MétaCan
Menu
Retour à la cohorte
Enregistrement W4294243330 · doi:10.23889/ijpds.v7i3.1944

Experiences of Red River Métis Accessing COVID Vaccines: A partnership-based, whole-population linked administrative data study.

2022· article· en· W4294243330 sur OpenAlexaffabout
Nathan Nickel, Julianne Sanguins, Okechukwu Ekuma, Carole Taylor, N Eze, Oludolapo Deborah Balogun, Hera J M Casidsid, Marni Brownell, Mariette Chartier, Francis Chartrand, Daniel Chateau, S. Michelle Driedger, Jennifer Enns, Alan Katz, Olena Klos, Lisa M. Lix, Alyson Mahar, Rachelle Neault, Marcelo L. Urquía

Notice bibliographique

RevueInternational Journal for Population Data Science · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of ManitobaManitoba Health
Organismes subventionnairesnon disponible
Mots-clésMedicineSocioeconomic statusPandemicPopulationDemographyEnvironmental healthConfoundingMetisCohortCoronavirus disease 2019 (COVID-19)Disease

Résumé

récupéré en direct d'OpenAlex

ObjectivesRed River Métis are Indigenous people hailing from the Canadian Prairies who have historically experienced poor health outcomes due to colonial practices. Researchers from the Manitoba Métis Federation (MMF) partnered with health services researchers to test whether MMF-led COVID initiatives were associated with access to COVID-19 testing and vaccines. ApproachWe linked the Métis Population Data-Base from the MMF (to identify Red River Métis) with whole-population COVID testing and vaccination data and health and social services administrative data (for information on sociodemographics and confounders) to complete this retrospective cohort study. We used restricted mean survival time models to test whether COVID-19 vaccination differed between Métis and all other Manitobans (AOM); models adjusted for demographics, comorbidities, and other characteristics (age, socioeconomic status, urbanicity, and mental health status). Data were stratified by sex and subsequent effect modification analyses tested whether associations differed by sex and physical health comorbidities. ResultsCOVID testing rates were lower during the first year of the pandemic among Métis than among AOM. During the second year of the pandemic, this finding was reversed - Métis accessed tests at higher rates. There was no difference between Métis and AOM in accessing first vaccine doses before implementation of MMF-led initiatives. After initiatives were put in place, Métis received their second COVID vaccine, on average, 1.3 (95% CI 1.9-0.6) days sooner than AOM, after adjusting for confounders. Effect modification analyses showed this relationship was concentrated among females – female Métis received their second vaccine 1.7 (2.6-0.8) days sooner than female AOM; differences were non-significant for males. Métis with 2+ comorbidities received their vaccine second 2.9 (5.3-0.5) days sooner than AOM with 2+ comorbidities. ConclusionPublic health initiatives prioritizing Métis for vaccines improved uptake. Initiatives led by Métis to improve COVID outcomes were critical to supporting Métis during the course of the pandemic. Public health response efforts need to operate from a standpoint that honours Indigenous sovereignty in their design and implementation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,633
Score d'incertitude au seuil0,729

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,518
Tête enseignante GPT0,589
Écart entre enseignants0,071 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207