Pratiques de collecte, d’analyse et de diffusion de données relatives à la santé et à ses déterminants sociaux auprès des populations noires du Québec : examen de la portée
Bibliographic record
Abstract
Introduction La pandémie de la COVID-19 a révélé les lacunes des systèmes de santé, au Canada et ailleurs, envers les populations racisées, en particulier les communautés noires, qui présentent un risque accru d’infection et de décès liés à cette maladie. Bien que les populations noires du Québec forment plus de 25 % de la population noire de l’ensemble du Canada, il n’existe des données détaillées sur l’impact de la COVID-19 sur les communautés noires qu’à l’échelle canadienne. Cet examen de la portée documente les méthodes et les enjeux liés à la collecte, l’analyse et la diffusion de données sur la santé et ses déterminants sociaux concernant les populations noires du Québec. Méthodologie Nous avons effectué une recension des études publiées en français et en anglais de janvier 2010 à juin 2024 en consultant 6 bases de données. La revue inclut uniquement des études portant sur des collectes de données réalisées auprès de populations racisées, dont font partie les populations noires du Québec. Les études portant sur l’ensemble du Canada, qui incluent seulement en sous-échantillon des populations noires du Québec, ont été exclues. Les principaux mots-clés utilisés sont data on race, ethnic data collection, race data collection, culturally appropriate, health, survey, questionnaire, racial groups, racialized groups, Black and minority ethnic people, people of color, migrants, Quebec, collecte de données, minorité, noir, ethnicité. Résultats Nous avons retenu 43 études, couvrant 4 secteurs (santé, services sociaux, éducation et emploi). Nous avons dégagé les principaux enjeux ainsi que les méthodes et stratégies utilisées pour recruter les membres des communautés noires et pour collecter et analyser les données selon les catégories ethnoraciales tout en limitant les biais, afin de mieux comprendre le contexte socioculturel et socioéconomique des populations ciblées. Conclusion Notre examen souligne l’importance de collecter des données sur les groupes racisés, en particulier les communautés noires du Québec. Cela permettrait de soutenir des politiques publiques axées sur ces populations visant à promouvoir l’équité en santé.
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 | 0.239 | 0.328 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.007 | 0.014 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.005 | 0.008 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".