Indigenous communities and the mental health impacts of land dispossession related to industrial resource development: a systematic review
Notice bibliographique
Résumé
Globally, many resource extraction projects such as mines and hydroelectric dams are developed on the territories of Indigenous Peoples. Recognising land as a determinant of Indigenous Peoples' health, our objective is to synthesise evidence about the mental health impacts on Indigenous communities who experience land dispossession due to industrial resource development (mining, hydroelectric, petroleum, and agricultural). We systematically reviewed studies that focused on Indigenous land dispossession in Australia, Aotearoa (New Zealand), North and South America, and the Circumpolar North. We searched Scopus, Medline, Embase, PsycINFO, and Global Health on OVID for peer-reviewed articles published in English from database inception to Dec 31, 2020. We also searched for books, research reports, and scholarly journals specialising in Indigenous health or Indigenous research. We included documents that reported on primary research, focused on Indigenous Peoples in settler colonial states, and reported on mental health and industrial resource development. Of the 29 included studies, 13 were related to hydroelectric dams, 11 to petroleum developments, nine to mining, and two to agriculture. Land dispossession due to industrial resource development had predominantly negative mental health impacts on Indigenous communities. The impacts were consequences of colonial relations that threatened Indigenous identities, resources, languages, traditions, spirituality, and ways of life. Health impact assessment processes in industrial resource development must expressly consider risks and potential impacts on mental health and respect Indigenous rights by making knowledge about mental health risks a central component to decisions about free, prior, and informed consent.
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 | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».