MétaCan
Menu
Retour à la cohorte
Enregistrement W4409972155 · doi:10.1177/11771801251334916

“No one ever comes back and asks us how could we do it better”: findings from First Nations community panels about ways to keep First Nations peoples safe from COVID-19

2025· article· en· W4409972155 sur OpenAlexaboutno aff
Kristy Crooks, Kylie Taylor, Jody Hansen, Jacynta Savo, Sandra Campbell, Adrian Miller, Peter Massey, Ross Andrews, Chris Degeling

Notice bibliographique

RevueAlterNative An International Journal of Indigenous Peoples · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensnon disponible
Organismes subventionnairesNational Health and Medical Research CouncilMedical Research CouncilAustralian Government
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakPolitical scienceSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)International communityDevelopment economicsLawMedicineVirologyEconomicsPolitics

Résumé

récupéré en direct d'OpenAlex

Equity in pandemic planning and response for First Nations peoples in Australia requires a deeper understanding of sociocultural realities to determine appropriate public health actions. First Nations community panels were held in three locations across Australia between September 2020 to December 2020 to make decisions on how government authorities should help First Nations peoples keep safe from COVID-19. Twenty-two First Nations peoples participated in online panels. Panels heard from public health experts, examined the evidence and deliberated on the issues. All panels highlighted that embedding First Nations worldviews into health policy was important. First Nations peoples must be supported and resourced to enable self-determination in preparation for future infectious disease emergencies, otherwise their health could be negatively impacted if they are not intentionally considered or actively engaged.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,056
score de la tête « metaresearch » (Gemma)0,092
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,295

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,092
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,007
Communication savante0,0060,007
Science ouverte0,0020,009
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,345
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlterNative An International Journal of Indigenous PeoplesMême sujetIndigenous Health, Education, and RightsTravaux en français237 207