Practices for collecting, analyzing and disseminating data on health and its social determinants among Black populations in Quebec: a scoping review
Notice bibliographique
Résumé
INTRODUCTION: The COVID-19 pandemic highlighted the deficiencies in healthcare systems both within and outside of Canada, affecting racialized populations, particularly Black communities, who face an increased risk of infection and mortality from the disease. Although Black populations in Quebec make up more than 25% of the Black population in Canada, detailed data on the impact of COVID-19 on these communities are only available at the national level. This scoping review documents the methods and issues related to the collection, analysis and dissemination of data on the health of Black populations in Quebec, and its social determinants. METHODS: We conducted a review of studies published in English and French from January 2010 to June 2024 by consulting six databases. This review exclusively comprised studies involving data collection from racialized populations, including Black populations in Quebec, and excluded Canada-wide studies involving only a subsample of Black populations in Quebec. The main keywords used were: "data on race", "ethnic data collection", "race data collection", "culturally appropriate", "health", "survey", "questionnaire", "racial groups", "racialized groups", "Black and minority ethnic people", "people of colour", "migrants", "Quebec", "collecte de données", "minorité", "noir" and "ethnicité". RESULTS: We selected 43 studies covering four sectors: health, social services, education and employment. We identified the main issues, methods and strategies used to recruit members of Black communities and to collect and analyze data according to ethnoracial categories while minimizing bias to better understand the sociocultural and socioeconomic context of the target populations. CONCLUSION: Our review highlights the importance of collecting data on racialized groups, particularly Black communities in Quebec, to support public policies aimed at promoting health equity.
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 | 0,093 | 0,240 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,054 | 0,063 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».