Recognising the heterogeneity of Indigenous Peoples during the COVID-19 pandemic: a scoping review across Canada, Australia, New Zealand and the USA
Notice bibliographique
Résumé
Objectives: The COVID-19 pandemic has had a disproportionate impact on the health of Indigenous Peoples in Canada, Australia, New Zealand and the USA, as reflected in the growing literature. However, Indigenous Peoples are often homogenised, with key differences often overlooked, failing to capture the complexity of issues and may lead to suboptimal public health policy-making. The objective of this review was to assess the extent to which the heterogeneity of the Indigenous Peoples in Canada, Australia, New Zealand and the USA has been reflected in COVID-19 research. Design: This study took the form of a scoping review. Data sources: Medline, Embase, CINAHL and Web of Science were searched for studies investigating COVID-19 pandemic outcomes among Indigenous Peoples in Canada, Australia, New Zealand and the USA. The search dates included January 2019 to January 2024. Eligibility criteria: All citations yielded by this search were subjected to title and abstract screening, full-text review and data extraction. We included original, peer-reviewed research investigating COVID-19-related outcomes among Indigenous Peoples in Canada, Australia, New Zealand or the USA. Data extraction and synthesis: Data extraction was conducted as an iterative process, reaching consensus between two of the study authors. All included studies were analysed through a combination of quantitative descriptive summary and qualitative thematic analysis. Results: Of the 9795 citations found by the initial search, 428 citations were deemed eligible for inclusion. Of these citations: 72.9% compared Indigenous participants to non-Indigenous participants; 10.0% aggregated Indigenous and non-white participants; and 17.1% provided findings for Indigenous participants exclusively. Conclusions: By overlooking the heterogeneity that exists among Indigenous Peoples in Canada, Australia, New Zealand and the USA, researchers and policy-makers run the risk of masking inequities and the unique needs of groups of Indigenous Peoples. This may lead to inefficient policy recommendations and unintentionally perpetuate health disparities during public health crises.
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 | 0,043 | 0,163 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,004 |
| Bibliométrie | 0,028 | 0,037 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».