Lessons from First Nations partnerships in hepatitis C research and the co-creation of knowledge
Notice bibliographique
Résumé
BACKGROUND: Administrative health data provide a rich and powerful tool for health services research. Partnership between researchers and the Ontario First Nations HIV/AIDS Education Circle (OFNHAEC) allowed for comprehensive analyses of the health and economic impacts of hepatitis C virus (HCV) infection in First Nations populations across Ontario, using administrative data. Examples of meaningful involvement of First Nations partners in research using secondary data sources demonstrate how community-based participatory research principles can be adapted to empower First Nations stakeholders and decision-makers. The aim of this review is to summarize and reflect on lessons learned in producing meaningful and actionable First Nations HCV research using health administrative data, from the perspective of health services researchers who collaborated for the first time with First Nations partners. METHODS: We discuss how our relationship with OFNHAEC formed and how engagement contextualized findings and provided opportunities for fostering trust and mutual capacity building. Methods included adherence to data governance principles, agreements outlining ethical conduct, and establishing commitment between partners. RESULTS: Engagement with OFNHAEC enhanced cultural understandings in study conception, design, and analysis, and enabled meaningful lessons for both parties through contextualizing findings together. Partnership ensured attention to factors, such as strength-based approaches and limitations of administrative data in their representation of First Nations peoples, that are not considered in standard HCV health services research using administrative health data. CONCLUSIONS: Collaboration throughout the HCV research provided first-hand experience of the relevance, representation, and importance of incorporating First Nations perspectives in health services research using administrative data.
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 | 0,270 | 0,181 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,023 | 0,072 |
| Communication savante | 0,036 | 0,044 |
| Science ouverte | 0,005 | 0,055 |
| Intégrité de la recherche | 0,017 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».