Navigating Indigenous Data Sovereignty: A Decolonizing Approach to Understanding Opioid Use Amongst First Nations in Manitoba
Notice bibliographique
Résumé
First Nations (FN) and Indigenous Peoples around the world face significant challenges in navigating the complexities of Western research systems, particularly in the context of data sovereignty and research about their people and communities; the same can be said for Western researchers navigating Indigenous research space. We examine the intersection of Western research and FN data to explore opioid use amongst FN in Manitoba and highlight the ethical imperative of utilizing decolonizing frameworks when working with Indigenous data. Indigenous researchers led a retrospective cohort study linking the Manitoba FN research file to population-level data held at the Manitoba Centre for Health Policy. We centred Indigenous voices, knowledge, protocols, and contextually informed interpretation and fostered meaningful partnerships with academic researchers to ensure we utilized robust statistical methods while prioritizing community-driven questions, needs, and aspirations. Study period from 2015 to 2019 and included all Manitobans eligible for Manitoba Health Services. We found downward trends in opioid-related use, dispensation, hospitalization, and mortality rates for both FN and all other Manitobans (AOM), but a significant gap was found between FN and AOM for most indicators. Indigenous governance, ownership, engagement, collaboration, reciprocity, and respect for cultural and intellectual property rights are key concepts in ethical research practices that prioritize Indigenous self-determination and data sovereignty. We underscore the transformative potential of Indigenous-led research and use of decolonizing frameworks in fostering community empowerment to address opioid use in First Nation communities. We upheld the rights of Indigenous peoples to govern their data and undertake their own research.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,000 |
| Communication savante | 0,003 | 0,008 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».