Facteurs culturels liés au maintien des comportements de santé chez des femmes algonquines présentant des antécédents de diabète gestationnel
Bibliographic record
Abstract
Introduction Les facteurs culturels qui pourraient contribuer à l'épidémie de diabète chez les Premières nations ont souvent été présentés, mais les facteurs qui pourraient participer à sa prévention demeurent peu connus. La présente étude ethnoinfirmière explore les facteurs culturels qui favorisent le maintien des comportements de santé chez des femmes algonquines ayant reçu un diagnostic de diabète gestationnel 2 à 10 ans avant le début de l'étude. Méthodologie Les données ont été recueillies dans deux communautés algonquines par le biais d'entrevues semi‑dirigées auprès d'informatrices‑clés (n = 7) et d'informateurs généraux (n = 8) ainsi que grâce à une immersion culturelle avec des observations détaillées inscrites dans un journal de bord. Résultats Les facteurs culturels qui pourraient avoir une influence sur la prévention du diabète sont l'importance de la famille et des liens sociaux, la possibilité de conserver ses valeurs culturelles, la possibilité d'adopter de nouveaux comportements à l'aide de ressources éducatives adaptées à ses besoins et à sa culture, la possibilité de réaliser des économies grâce à une meilleure alimentation, et l'accès à ses données de glycémie comme moyen de contrôle. Conclusion À long terme, ces facteurs culturels pourraient influencer les comportements de santé et, ainsi, aider à prévenir le diabète de type 2.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".