Understanding the Associations among Social Vulnerabilities, Indigenous Peoples, and COVID-19 Cases within Canadian Health Regions
Notice bibliographique
Résumé
Indigenous Peoples are at an increased risk for infectious disease, including COVID-19, due to the historically embedded deleterious social determinants of health. Furthermore, structural limitations in Canadian federal government data contribute to the lack of comparative rates of COVID-19 between Indigenous and non-Indigenous people. To make visible Indigenous Peoples’ experiences in the public health discourse in the midst of COVID-19, this paper aims to answer the following interrelated research questions: (1) What are the associations of key social determinants of health and COVID-19 cases among Canadian health regions? and (2) How do these relationships relate to Indigenous communities? As both proximal and distal social determinants of health conjointly contribute to COVID-19 impacts on Indigenous health, this study used a unique dataset assembled from multiple sources to examine the associations among key social determinants of health characteristics and health with a focus on Indigenous Peoples. We highlight key social vulnerabilities that stem from systemic racism and that place Indigenous populations at increased risk for COVID-19. Many Indigenous health issues are rooted in the historical impacts of colonization, and partially invisible due to systemic federal underfunding in Indigenous communities. The Canadian government must invest in collecting accurate, reliable, and disaggregated data on COVID-19 case counts for Indigenous Peoples, as well as in improving Indigenous community infrastructure and services.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,171 | 0,001 |
| Communication savante | 0,003 | 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 ».