Health of Black children and youth in Canada: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Black children and youth in Canada experience significant health inequity due to systemic racism, socioeconomic inequities, and inadequate access to culturally responsive healthcare services, affecting their overall well-being. This scoping review mapped and synthesised empirical evidence on the health of Black children and youth in Canada to inform policy and practice. METHODS: The review followed Arksey and O'Malley's scoping review framework and adhered to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews (PRISMA-ScR) guidelines. Seven databases (Ovid MEDLINE, EMBASE, APA PsycINFO, Web of Science, Scopus, Academic Search Complete, and SocINDEX) were searched for empirical studies published in peer-reviewed journals. Studies were included if they focused on Black children and youth (0-30 years) residing in Canada and their findings were synthesised thematically. RESULTS: A total of 56 health-related studies were included. The included studies were conducted across all the Canadian provinces and territories between 1993 and 2024, with 87.5% based in a single province and 48.2% published between 2021 and 2024. Quantitative studies accounted for 55.4% of the total. The health conditions identified included sickle cell disease, preterm birth, HIV, pediatric lupus, and mental health disorders such as depression, PTSD, and psychosomatic symptoms (reported in up to 81.7% of participants in one study). Racism was a prominent social determinant contributing to health conditions and barriers to healthcare access. Cultural practices and religiosity protected the Blacks from engaging in risky lifestyles while contributing to the distorted view of some illnesses. CONCLUSION: A high variety of health conditions were identified, with racism being a key determinant of health for Black children and youth in Canada. Culturally responsive, anti-racist health policies, community-led health education, and equitable access to services are critical to improving health 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 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 | 0,014 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,023 | 0,032 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».