Facteurs culturels liés au maintien des comportements de santé chez les femmes algonquines ayant souffert de diabète gestationnel
Bibliographic record
Abstract
Depuis plus d'un demi-siècle, le mode de vie traditionnel des Premières Nations a été bouleversé entraînant des conséquences néfastes sur leur santé. La prévalence alarmante du diabète de type 2 dans les communautés des Premières Nations, même chez les enfants de moins de 12 ans, en est une manifestation éloquente. Santé Canada (2001) estime cette prévalence, standardisée selon l'âge, à près du triple de celle de la moyenne canadienne. Par ailleurs, deux Autochtones diabétiques sur trois sont des femmes (Bobet 1997, dans Santé Canada, 2001). Pour le diabète gestationnel chez les femmes des Premières Nations, la prévalence varie de 8 à 18 % (ACD, 2008). Le diabète gestationnel est associé à un suivi médical, un traitement et à des activités d'éducation pour la santé qui devraient favoriser des comportements de santé et améliorer la santé des femmes. Toutefois, près d'une femme sur deux qui a souffert d'un diabète gestationnel développera un diabète de type 2 (Santé Canada, 2002). Peu d'études ont été faites pour connaître les facteurs qui maintiennent, après l'accouchement, les comportements de santé encouragés pendant la grossesse. Or, les femmes des Premières Nations sont à la base de la transmission d'habitudes de vie, particulièrement lorsque l'enfant est jeune. Par conséquent, une étude a été réalisée afin d'explorer les facteurs culturels qui influencent le maintien des comportements de santé dans les deux à dix années qui suivent une grossesse au cours de laquelle un diagnostic de diabète gestationnel a été posé. Notre étude, utilisant l'approche ethnoinfirmière (Leininger, 2001a; Leininger et McFarland, 2002; 2006; McFarland, 2001), a été menée dans la communauté algonquine de Pikogan (environ 250 femmes) et du Lac Simon (environ 575 femmes). Nous avons recruté sept (7) femmes ayant souffert de diabète gestationnel en utilisant la stratégie de boule de neige. Nous avons privilégié, pour décrire les facteurs culturels, des outils comme l'observation participante, le journal de bord ainsi que l'entrevue semi-dirigée. De plus, à l'aide d'un questionnaire, nous avons documenté certaines données sociodémographiques. L'analyse a été faite selon les facteurs culturels du modèle Sunrise (Leininger et McFarland, 2002; 2006). Ces facteurs sont les facteurs d'ordre technologique, religieux, philosophique, familial, social, politique, légal, économique, éducationnel, et relatif au mode de vie et aux valeurs culturelles. Ainsi, en analysant ces facteurs culturels, nous avons pu dégager les thèmes suivants, soit : l'importance de la famille et les liens sociaux comme motivation et soutien pour le maintien des comportements de santé, la possibilité d'adopter de nouveaux comportements de santé en conservant ses valeurs culturelles, la possibilité d'apprendre seule et à l'aide des ressources éducatives adaptées à ses besoins et sa culture, la possibilité de réaliser des économies par une meilleure alimentation et l'accessibilité à ses données de glycémie comme moyen de contrôle grâce aux avancées technologiques associées au glucomètre. Cette étude permettra d'intégrer, dans les programmes d'éducation pour la santé, les facteurs culturels qui peuvent avoir une influence à long terme sur les comportements de santé et, ainsi, agir précocement dans la prévention du 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 | 0.001 | 0.004 |
| 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 | 0.000 | 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".