Maladies chroniques et facteurs de risque chez les membres des Premières Nations, les Inuits et les Métis du Nord canadien
Bibliographic record
Abstract
Introduction Les populations autochtones du Nord canadien subissent des changements rapides dans leur environnement, ce qui peut avoir des effets nuisibles sur leur état de santé. Nous avons voulu comparer les maladies chroniques et les facteurs de risque des populations autochtones du Nord canadien, à savoir les Premières nations, les Inuits et les Métis, avec les populations non autochtones de la même zone. Méthodologie Les données sont tirées de l'Enquête sur la santé dans les collectivités canadiennes de 2005 à 2008. Des modèles de régression logistique multiple pondérée ont servi à analyser l'association entre les groupes ethniques et les résultats de santé. Les covariables du modèle étaient l'âge, le sexe, le territoire de résidence, le niveau de scolarité et le revenu. Nous présentons les rapports de cotes (RC) et nous avons utilisé la méthode d'échantillonnage bootstrap pour calculer les intervalles de confiance (IC) à 95% et les valeurs p. Résultats La probabilité d'avoir au moins une maladie chronique était significativement plus faible chez les Inuits (RC = 0,59; IC à 95 % : 0,43 à 0,81) que chez les non-Autochtones, mais elle était similaire chez les Premières nations, les Métis et les non-Autochtones. La prévalence de nombreux facteurs de risque était significativement différente chez les Inuits, les membres des Premières nations et les Métis. Conclusion Les Autochtones du Nord canadien ont des états de santé hétérogènes. Le maintien d'une surveillance continue des maladies chroniques et des facteurs de risque va jouer un rôle important dans la mesure des évolutions et dans l'évaluation de l'impact des interventions en santé publique les concernant.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".