Broadening what counts as expertise in perinatal health of under-served populations in Canada: participatory methods and Bayesian updating contextualize evidence synthesis in stakeholder knowledge
Notice bibliographique
Résumé
Cette recherche doctorale porte sur la sous-représentation des populations mal desservies dans la documentation publiée sur la santé périnatale au Canada. Cette situation a des conséquences sur les politiques, l'allocation des ressources et la prestation des services. Mon premier objectif de thèse était d'identifier les résultats et les expériences périnatales parmi les populations mal desservies au Canada. Le deuxième objectif était d'élaborer une procédure, appelée Weight of Evidence (Poids des Preuves), pour contextualiser les données probantes publiées dans l'expérience des intervenants, en mettant l'accent sur la participation des populations historiquement mal desservies. Le troisième objectif était d'appliquer la méthode Weight of Evidence pour contextualiser les données probantes publiées sur les résultats et les expériences en matière de santé périnatale du point de vue des adolescentes enceintes et en parentés et de ceux qui leur prodiguent des soins. Cette thèse comprend cinq articles scientifiques, dont deux ont été publiés et trois sont en cours d'examen ou en préparation pour être soumis. Cette thèse présente des contributions tant méthodologiques que substantielles. Elle présente Weight of Evidence comme une procédure accessible, transparente et reproductible pour contextualiser les synthèses de preuves. Grâce à l'utilisation combinée de la cartographie cognitive et l’actualisation bayésienne, Weight of Evidence transforme les données probantes et les contributions de les parties prenantes en une structure relationnelle priorisée, dirigée par l'expertise des participants. Au fur et à mesure que les parties prenantes interprètent les données probantes, affinent les explications et leurs implications, et hiérarchisent les domaines d'intervention, Weight of Evidence élargit ce qui est considéré comme de l'expertise, influençant à la fois la définition du problème et les interventions pertinentes. Cette thèse identifie comment l'exclusion sociale et économique peut contribuer aux résultats de la santé périnatale. Les adolescentes enceintes et en parentés ont renforcé les conclusions de l'analyse documentaire, en donnant la priorité à la stigmatisation et à l'exclusion sociale et économique comme influences importantes sur la santé périnatale. J'ai utilisé Weight of Evidence pour contextualiser les données sur les risques de protection prénatale de l'enfance chez les adolescentes enceintes et les parents, ce qui a provoqué un réexamen des risques. Les résultats suggèrent que les enquêtes sur la protection de l'enfance ne sont pas sans risque. Les adolescents ont déclaré porter la responsabilité individuelle de risques souvent hors de leur sphère d'influence, notamment la pauvreté et le manque de soutien de la part de la famille et de la communauté.Les futurs domaines de recherche comprennent la rationalisation de Weight of Evidence avec des protocoles de revue systématique pour contribuer à une synthèse des preuves et à des conseils plus adaptés et pertinents. La promotion d'approches de la réduction des risques périnatals fondées sur des preuves et dirigées par la communauté doit également être développée afin de mieux aligner la recherche et la fourniture de services sur les besoins de la communauté
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 | 0,171 | 0,329 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,017 | 0,018 |
| Études des sciences et des technologies | 0,008 | 0,012 |
| Communication savante | 0,014 | 0,006 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».