MétaCan
Menu
Retour à la cohorte
Enregistrement W4367625002 · doi:10.18332/popmed/164982

Incarceration, inclusion, and health equity: evidence, perspectives, and future directions

2023· article· en· W4367625002 sur OpenAlexaboutno aff
Stuart A. Kinner, Lisa B. Puglisi, Anne Bukten, Marianne Stavseth, Amanda Slaunwhite, Mo Korchinski, Amanda Butler, L. E. Pearce, Rohan Borschmann

Notice bibliographique

RevuePopulation Medicine · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEquity (law)Health equityInclusion (mineral)Political sciencePsychologyEconomicsBusinessEconomic growthHealth careSocial psychology

Résumé

récupéré en direct d'OpenAlex

Globally more than 11 million adults are imprisoned on any given day, and at least 410,000 children are held in criminal justice detention. Incarceration is a marker for extreme disadvantage, and exposure to incarceration may compound health inequalities. Complex health needs among people in custody are normative. Given the rapid movement of people between disadvantaged communities and carceral settings, improving the health of people exposed to incarceration is important to reducing health inequalities globally. Health outcomes after incarceration are especially poor, with high rates of preventable mortality, injury, infectious disease, and decompensation of chronic disease documented in a growing number of (mostly high-income) countries. In this workshop we will consider prisons from a public health perspective: as settings through which marginalised and typically unwell members of the community pass, and in which health needs are managed by carceral systems that are rarely fit for purpose. We will summarise the evidence on health outcomes after incarceration, emerging from large cohort studies of adults and children released from incarceration in Australia, Norway, Canada and USA, and from an international consortium examining mortality after incarceration in 13 countries. We will identify key gaps in the evidence base, critically including research in low- and middle-income countries, and mechanisms for routinely monitoring health outcomes in and after incarceration. Informed by these brief presentations, we will facilitate a multi-disciplinary Discussion focussing on the following key questions: 1. Is incarceration a cause of poor health outcomes, a marker of pre-existing health inequalities, or both? Does it matter? 2. What opportunities exist to improve health outcomes before, during, and after incarceration, through: *3.Upstream prevention and diversion; 4. Prison healthcare quality, standards, and monitoring; 5. Transitional support and post-release care coordination. 6. What critical next steps are required to support advocacy and policy reform, specifically for public health agencies, policy makers, clinicians, researchers, advocates, and civil society? At the conclusions of the workshop we will draft a Consensus Statement on Incarceration and Health Inequalities, which will be submitted to key international agencies for potential ratification. Specific workshop Aims: 1. Sensitise a global public health audience to the health-related needs of children and adults who experience incarceration, and the role of incarceration in compounding or mitigating health inequalities at the population level 2. Identify multi-sectoral opportunities to improve the health of people exposed to incarceration through prevention, improved care, and post-release support. 3. Identify critical next steps for advocacy and policy reform. 4. Draft a Consensus Statement on Incarceration and Health Inequalities, which will be submitted to international agencies for potential ratification and published in a leading international journal.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,839
Score d'incertitude au seuil0,718

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,473
Tête enseignante GPT0,518
Écart entre enseignants0,045 · 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 tête enseignante, 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePopulation MedicineMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207