Considerations and Consequences when using First Nations Identifiers in Administrative Data Research.
Notice bibliographique
Résumé
ObjectivesLack of consistent and relevant Indigenous identifiers in Canadian data sources leads to misclassification and under-recognition of the health and social issues impacting Indigenous Peoples, further perpetuating the harms of colonization. We are evaluating and optimizing our approach for identifying First Nations (FN) individuals in administrative data in Manitoba. MethodsIn partnership between the First Nations Health and Social Secretariat of Manitoba and the Manitoba Centre for Health Policy, we sought to evaluate to what extent four distinct Manitoba datasets derived from surveillance and social programs were able to identify FN individuals among a cohort of children in low-income Winnipeg neighbourhoods between 2005-2016. In choosing data sources to identify FNs, the population and research question were considered. We then compared the number of FNs identified in each dataset to the First Nations population research file, considered gold standard, but cognizant of its roots in colonial systems of registration. ResultsThe total cohort comprised N=78,864; among these, n=27,347 children were identified as FN in either the FN registry or at least one of the datasets. The FN registry was the most sensitive dataset and identified 85.7% of these individuals. The two program datasets identified 58.2% and 46.2%, and the surveillance-based datasets each identified less than 10%. The First Nations Registry is critical to accurately identify FN individuals. Our analyses demonstrated that without it we would miss 23.5% of those identified as FN in at least one other dataset. However, using it alone could potentially cause us to miss 15% of FN individuals identified in other datasets. The proportions of FN individuals that would be missed by excluding any of the other datasets were smaller (<6%). ConclusionWe found inconsistent FN identification across the datasets evaluated. Among the issues is that some datasets rely on self-identification. In Manitoba, no single administrative dataset can reliably and comprehensively identify FN individuals, and linking multiple datasets together is currently our best approach.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,686 | 0,823 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,014 | 0,024 |
| Études des sciences et des technologies | 0,012 | 0,029 |
| Communication savante | 0,018 | 0,017 |
| Science ouverte | 0,009 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».