MétaCan
Menu
Retour à la cohorte
Enregistrement W4413792002 · doi:10.23889/ijpds.v10i4.3226

Experiences of the Red River Métis with COVID-19 Policy Decisions: A partnership-based, whole-population linked administrative data study

2025· article· en· W4413792002 sur OpenAlexaffabout
Nathan Nickel, Olena Kloss, Okechukwu Ekuma, Carole Taylor, S. Michelle Driedger, Danielle Saj, Frances Chartrand

Notice bibliographique

RevueInternational Journal for Population Data Science · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDisaster Response and Management
Établissements canadiensUniversity of ManitobaHealth Sciences CentreManitoba Health
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipCoronavirus disease 2019 (COVID-19)PopulationBusinessEnvironmental healthMedicineFinance

Résumé

récupéré en direct d'OpenAlex

ObjectivesIndigenous peoples, like Red River Métis, were greatly affected by COVID-19. Manitoba’s Indigenous COVID-19 vaccine policy initially focused exclusively on First Nations. Red River Métis, one of Canada’s recognized Indigenous peoples, were not prioritized. We examined the health outcomes of these policy decisions. MethodThis retrospective cohort study leveraged data available in the Manitoba Population Research Data Repository. We linked data from the Métis Population Database to whole-population COVID testing and vaccination data, and administrative data on health service use. Restricted mean survival time models tested whether vaccination uptake differed between Red River Métis and all other Manitobans (AOM), adjusting for sociodemographic characteristics and comorbidities. A Susceptible-Exposed-Infected-Recovered-Vaccinated model simulated how prioritizing Red River Métis for vaccination at the same time as First Nations may have altered the pandemic curve. We used estimates to model associated reductions in health service use for Red River Métis. ResultsCumulative prevalence of COVID-19 infection rates were similar between Métis and AOM until May 2021 when rates became higher among Métis. Between May and December 2021, rates of first vaccination were lower among Metis than AOM. Métis were more likely than AOM to be hospitalized due to Covid-19 between March and August 2021 and visit physicians for COVID related reasons from October 2020 to Feb 2021 and November 2021 to March 2022. Simulation analyses showed that prioritizing Red River Métis at the same time as First Nations would have reduced the peak infection rate by 54.6% reducing health service use. ConclusionsUnderstanding the experiences of Red River Métis relative to AOM is critical to identifying public health strategies which close gaps in vaccine uptake and infections. Including Red River Métis with other Indigenous populations may have reduced adverse outcomes and health service use associated with COVID-19.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,125
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0040,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,360
Tête enseignante GPT0,589
Écart entre enseignants0,229 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetDisaster Response and ManagementTravaux en français237 207