Indigenous peoples and the COVID-19 pandemic: a systematic scoping review
Notice bibliographique
Résumé
Past influenza pandemics including the Spanish flu and H1N1 have disproportionately affected Indigenous Peoples. We conducted a systematic scoping review to provide an overview of the state of understanding of the experience of Indigenous peoples during the first 18 months of the COVID-19 pandemic, in doing so we capture the state of knowledge available to governments and decision makers for addressing the needs of Indigenous peoples in these early months of the pandemic. We addressed three questions: (a) How is COVID-19 impacting the health and livelihoods of Indigenous peoples, (b) What system level challenges are Indigenous peoples experiencing, (c) How are Indigenous peoples responding? We searched Web of Science, Scopus, and PubMed databases and UN organization websites for publications about Indigenous peoples and COVID-19. Results were analyzed using descriptive statistics and content analysis. A total of 153 publications were included: 140 peer-reviewed articles and 13 from UN organizations. Editorial/commentaries were the most (43%) frequent type of publication. Analysis identified Indigenous peoples from 19 different countries, although 56% of publications were centered upon those in Brazil, United States, and Canada. The majority (90%) of articles focused upon the general adult population, few (<2%) used a gender lens. A small number of articles documented COVID-19 testing (0.04%), incidence (18%), or mortality (16%). Five themes of system level challenges affecting exposure and livelihoods evolved: ecological, poverty, communication, education and health care services. Responses were formal and informal strategies from governments, Indigenous organizations and communities. A lack of ethnically disaggregated health data and a gender lens are constraining our knowledge, which is clustered around a limited number of Indigenous peoples in mostly high-income countries. Many Indigenous peoples have autonomously implemented their own coping strategies while government responses have been largely reactive and inadequate. To 'build back better' we must address these knowledge gaps.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».