Facteurs associés à l'alimentation traditionnelle au sein de trois communautés cries du Nord du Québec
Notice bibliographique
Résumé
Cette étude propose d’identifier les facteurs affectant la consommation d’aliments traditionnels à travers une perspective écologique, afin de réduire les taux de prévalence élevés de maladies chroniques et ralentir la forte diminution de consommation d’aliments traditionnels chez les Cris du nord québécois. Pour ce faire, une méthode mixte « sequential explanatory », fut utilisée, combinant quatre groupes focus (n=23) et une régression logistique (n=374) à partir de données secondaires issues de trois études transversales. Selon les résultats de la régression logistique: l’âge, chasser, marcher, le niveau d’éducation et la communauté de résidence étaient associées à une consommation d’aliments traditionnelle trois fois/semaine (p<0,05). Subséquemment, des groupes focus vinrent enrichir et contredire ces résultats. Par exemple : les participants étaient en désaccord avec le fait qu’il n’y avait aucune association entre les aliments traditionnels et l’emploi. Ils croyaient que les personnes sans emploi ont plus d’opportunités pour aller chasser mais peu d’argent pour couvrir les dépenses et inversement pour ceux avec emploi. Ce double effet aurait possiblement fait disparaître l’association dans la régression logistique. Suite aux groupes focus, plusieurs facteurs furent identifiés et distribués dans un modèle écologique suggérant que la consommation d’aliments traditionnels est principalement influencée par des facteurs sociaux, communautaires et environnementaux et ne se limite pas aux facteurs individuels. En conclusion, afin de promouvoir l’alimentation traditionnelle, quatre suggestions de priorités d’action sont proposées. L’alimentation traditionnelle doit faire partie des stratégies de santé publique pour réduire les taux de maladies chroniques et améliorer le bien-être des populations autochtones.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».