Evidence for inequities in the risk of foodborne and waterborne diseases in the Canadian population: a scoping review
Notice bibliographique
Résumé
Foodborne and waterborne diseases (FWBD) affect over four million Canadians each year. High-risk groups include young children, older adults, immunocompromised individuals, pregnant women, those who travel to endemic areas, and those with limited access to safe drinking water. Although some demographic information is routinely collected, lack of socio-environmental data limits identification of other vulnerable populations. This study aimed to systematically gather and map available evidence for FWBD inequities in Canada and identify knowledge gaps. A scoping review of four academic databases and grey literature was conducted following a prospectively registered protocol. Thirty-five articles met the eligibility criteria. Results were synthesized by PROGRESS-Plus factors. Measuring inequities was a specified objective in 12 studies (34.2%). FWBD occurrence by age (n = 32; 91.4%), sex (n = 28; 80.0%), and place of residence (n = 27; 77.1%) were most studied. No studies assessed gender, language, occupation, religion, or social capital. Differences in study design, study populations, exposure and outcome definitions and measurement, and analysis were substantial. This review identified knowledge gaps including never-studied equity stratifiers, FWB pathogens, and sub-populations. Larger studies with explicit objectives to measure health inequities are needed. Public health professionals and researchers need to expand and standardize collection and linkage of socio-environmental data to FWBD outcomes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».