Analyse du Fonds pour la santé mentale des communautés noires : facteurs de succès, défis et recommandations
Notice bibliographique
Résumé
Introduction En 2018, dans le but de remédier aux iniquités en matière de santé mentale subies par les Canadiens noirs, le gouvernement du Canada a annoncé un investissement de 10 millions de dollars canadiens dans un nouveau programme de l’Agence de la santé publique du Canada intitulé « Promouvoir l’équité en santé : Fonds pour la santé mentale des communautés noires ». L’objectif de cette étude est d’analyser et de rassembler les leçons tirées de ce programme, qu’il s’agisse des succès ou des défis rencontrés. Méthodologie Les chercheurs ont effectué l’analyse documentaire de 15 projets participants, à partir des rapports annuels et de fin de projet de 14 organisations. Ils ont ensuite mené des entrevues avec des représentants de neuf de ces organisations. Une conception de type étude de cas intégrée a présidé à la collecte et à l’analyse des données, qui a porté sur le contenu des rapports annuels et de fin de projet ainsi que sur les thèmes des entrevues individuelles. Résultats L’analyse des données issues des entrevues et des rapports annuels et de fin de projet a mis en lumière trois thèmes principaux : les facteurs de succès, les défis rencontrés et les leçons apprises et recommandations à l’intention des bailleurs de fonds. Les facteurs de succès sont la rétribution et les incitatifs, l’application d’un modèle de recherche-action participative et un leadership assuré par des personnes noires. Parmi les défis rencontrés, on note les retards (dans l’obtention de l’approbation en matière d’éthique et la mise en oeuvre du programme), les conséquences de la pandémie de COVID-19 et les difficultés à maintenir des partenariats. Enfin, les leçons apprises et les recommandations qui sont ressorties en ce qui concerne les bailleurs de fonds sont qu’il faudrait un financement à long terme et plus souple, une représentation et un leadership accrus des personnes noires au sein des organismes de financement et un appui plus fort aux pratiques antiracistes chez les principaux fournisseurs de services. Conclusion Notre étude a permis de rassembler à la fois les défis et les facteurs de succès en matière d’appui envers le travail destiné à améliorer la santé mentale et le bien-être des personnes noires au Canada.
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 | 0,039 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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; 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 ».