Design and implementation of the Our Health Counts (OHC) methodology for First Nations, Inuit, and Metis (FNIM) health assessment and response in urban and related homelands
Notice bibliographique
Résumé
OBJECTIVES: Methods for enumeration and population-based health assessment for First Nations, Inuit, and Metis (FNIM) living in Canadian cities are underdeveloped, with resultant gaps in essential demographic, health, and health service access information. Our Health Counts (OHC) was designed to engage FNIM peoples in urban centres in "by community, for community" population health assessment and response. METHODS: The OHC methodology was designed to advance Indigenous self-determination and FNIM data sovereignty in urban contexts through deliberate application of Indigenous principles and linked implementation strategies. Three interwoven principles (good relationships are foundational; research as gift exchange; and research as a vehicle for Indigenous community resurgence) provide the framework for linked implementation strategies which include actively building and maintaining relationships; meaningful Indigenous community guidance, leadership, and participation in all aspects of the project; transparent and equitable sharing of project resources and benefits; and technical innovations, including respondent-driven sampling, customized comprehensive health assessment surveys, and linkage to ICES data holdings to generate measures of health service use. RESULTS: OHC has succeeded across six urban areas in Ontario to advance Indigenous data sovereignty and health assessment capacity; recruit and engage large population-representative cohorts of FNIM living in urban and related homelands; customize comprehensive health surveys and data linkages; generate previously unavailable population-based FNIM demographic, health, and social information; and translate results into enhanced policy, programming, and practice. CONCLUSION: The OHC methodology has been demonstrated as effective, culturally relevant, and scalable across diverse Ontario cities.
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 | 0,079 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».