Reply to Memmott et al: It is Time for Healthy Living Priorities to be Integrated into Indigenous Housing Policy and Practice
Notice bibliographique
Résumé
This is a reply to Memmott et al’s (2022) chapter on ‘Aboriginal social housing in remote Australia: crowded, unrepaired and raising the risk of infectious diseases’. It is not hard to see that the physical environment of the home is likely to have a significant impact on health. Problems such as leaking toilets, uneven stairs, mouldy walls and crowding clearly create health-and-safety risks. This relationship is recognised in World Health Organization (WHO, 2018) housing and health guidelines, with crowding identified as increasing risks to mental and physical health. These problems disproportionately affect low-income renters, who have limited capacity to remedy such issues (Robinson and Adams, 2008). This relationship between housing and mental and physical well-being significantly contributes to intergenerational poverty (McKnight and Cowell, 2014). The central role of housing for individual and community well-being has been known for centuries. After all, it is housing’s impact on health that has historically been the primary justification for slum-clearance programmes, and this remains the case in many countries. Yet, policy has been slow to address this connection, even though health services bear most of the cost of poor-quality housing. This is the case for Indigenous housing, where poverty, housing exclusion, underfunding of the social and affordable housing sector, and government neglect more generally result in high rates of crowding and deteriorated dwellings in countries including the US, Canada, New Zealand and Australia (Habibis et al, 2018; Lea, 2020). Despite this, there is a surprising dearth of research on the processes and mechanisms that make many Indigenous homes sites of illness and injury
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».