Pratiques de collecte, d’analyse et de diffusion de données relatives à la santé et à ses déterminants sociaux auprès des populations noires du Québec : examen de la portée
Notice bibliographique
Résumé
Introduction La pandémie de la COVID-19 a révélé les lacunes des systèmes de santé, au Canada et ailleurs, envers les populations racisées, en particulier les communautés noires, qui présentent un risque accru d’infection et de décès liés à cette maladie. Bien que les populations noires du Québec forment plus de 25 % de la population noire de l’ensemble du Canada, il n’existe des données détaillées sur l’impact de la COVID-19 sur les communautés noires qu’à l’échelle canadienne. Cet examen de la portée documente les méthodes et les enjeux liés à la collecte, l’analyse et la diffusion de données sur la santé et ses déterminants sociaux concernant les populations noires du Québec. Méthodologie Nous avons effectué une recension des études publiées en français et en anglais de janvier 2010 à juin 2024 en consultant 6 bases de données. La revue inclut uniquement des études portant sur des collectes de données réalisées auprès de populations racisées, dont font partie les populations noires du Québec. Les études portant sur l’ensemble du Canada, qui incluent seulement en sous-échantillon des populations noires du Québec, ont été exclues. Les principaux mots-clés utilisés sont 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 color, migrants, Quebec, collecte de données, minorité, noir, ethnicité. Résultats Nous avons retenu 43 études, couvrant 4 secteurs (santé, services sociaux, éducation et emploi). Nous avons dégagé les principaux enjeux ainsi que les méthodes et stratégies utilisées pour recruter les membres des communautés noires et pour collecter et analyser les données selon les catégories ethnoraciales tout en limitant les biais, afin de mieux comprendre le contexte socioculturel et socioéconomique des populations ciblées. Conclusion Notre examen souligne l’importance de collecter des données sur les groupes racisés, en particulier les communautés noires du Québec. Cela permettrait de soutenir des politiques publiques axées sur ces populations visant à promouvoir l’équité en santé.
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 | 0,239 | 0,328 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,014 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,012 | 0,006 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».