“Low-Dose, Long-Term” Toxic Exposures Among “Indigenous Peoples in Canada”: Impacts of Inequality, Environmental Health Challenges, and the Need for a Comprehensive Approach
Notice bibliographique
Résumé
Indigenous Peoples in Canada face disproportionate environmental health burdens from long-term, low-dose toxic exposures, driving marked health disparities. These exposures stem from the unequal siting and legacy of industrial contamination—including historical mercury dumping—compounded by socioeconomic inequities and ecosystem degradation. Drawing on our program of research, including a community-based mixed-methods case study that integrated community narratives with biomonitoring data, we synthesize evidence and propose countermeasure strategies that public-health toxicologists can apply in Indigenous contexts and, by analogy, to minority populations in low- and middle-income countries. Despite meaningful progress to reduce exposures and revitalize traditional practices, many communities still face risk—from contaminated food sources and from limited access to care that reflects their cultures and needs. These challenges are compounded by structural racism within health systems. We recommend a practical, culturally grounded approach to environmental health: listen first to Indigenous knowledge, design programs with communities (not for them), and place decision-making with Indigenous leadership. Done well, this confronts cumulative harms, strengthens community resilience, and—most importantly—reduces health inequities. We outline population-level, sustainable actions for health authorities, including community-driven monitoring, food-system remediation, risk communication co-designed with Elders, and policy frameworks that honour Indigenous sovereignty and the principles of relevance, respect, and reciprocity. Implementing such collaborative strategies is essential to reduce toxic exposures among Indigenous Peoples in Canada and offers transferable guidance for protecting minority communities globally.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,021 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».