A scoping review of Indigenous community-specific physical activity measures developed with and for Indigenous Peoples in Canada, Australia, and New Zealand
Notice bibliographique
Résumé
Historical factors including colonization and ongoing socioeconomic inequities impact Indigenous Peoples’ ability to mitigate chronic disease risks such as achieving recommended physical activity (PA) levels. Reliably assessing, reflecting, and promoting PA participation among Indigenous Peoples may be impacted by a lack of culturally appropriate assessment methods and meaningful engagement with Indigenous communities throughout the research process. The objectives of this scoping review were to examine: (1) How PA research with Indigenous Peoples used community-specific PA measures developed with and/or for Indigenous Peoples in Canada, Australia, and New Zealand; and (2) How the studies utilized community-based participatory research (CBPR) principles to engage communities. A systematic search was conducted in four electronic databases (Web of Science, Medline, University of Saskatchewan Indigenous Portal, and ProQuest Dissertations and Theses Global). Thirty-one ( n = 31) articles were identified and data extracted for narrative synthesis. Studies using community-specific PA measures have been increasing over time. Adapting questionnaires to traditional Indigenous activities such as cultural dances, ceremonies, and food-gathering activities were the most frequent adjustments undertaken to use community-specific measures. There are, however, gaps in research partnering with communities with only 6% of studies including all eight CBPR principles. Practical ways researchers can engage Indigenous communities and build capacity such as training and employing community members were highlighted. More needs to be done to facilitate community self-determination and develop long-term sustainable initiatives. Using culturally appropriate and relevant methodologies including partnering with Indigenous communities may help identification and implementation of culturally relevant and sustainable health-promoting initiatives.
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 | 0,033 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,026 | 0,037 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».