Ethnobiologie et ethnomédecine des Peuples premiers d’Amérique (Cris d’Eeyou Istchee, Parikwene et Pekuakamilnuatsh) : l’impact de l’alimentation et des médecines locales sur la santé et le bien-être des diabétiques
Bibliographic record
Abstract
Les Peuples autochtones à travers le monde sont disproportionnellement touchés par le diabète. Parmi ces peuples, les Cris d’Eeyou Istchee et les Pekuakamilnuatsh, au Québec (Canada), ainsi que les Parikwene, en Guyane française (France), recourent à leur médecine locale pour soigner cette maladie. En 173 entrevues semi-dirigées, 208 participants venant de ces communautés et/ou travaillant dans leurs services de santé ont décrit ces médecines. Une méthode de recherche mixte, combinant des analyses thématiques à des statistiques multivariées, est développée pour analyser ces descriptions.Ces analyses ont montré que les participants cris, ilnu et parikwene décrivent leurs médecines en lien avec le diabète tant par les différents éléments du monde naturel, que les pratiques et coutumes locales qui en découlent, que les concepts les liant au territoire. Les pharmacopées à base animales et végétales font parties des thèmes les plus discutés. Plus de 381 espèces (109 animaux, 267 plantes, cinq lichens et champignons) lient les systèmes médicinales et alimentaires ensemble via des notions associées au bien-être ou aux propriétés organoleptiques. Au Québec, là où la population autochtone est plus impliquée dans les services de santé, il existe un rapprochement de la description des médecines locales entre le secteur de la santé et ses usagers.De façon générale, la place de l’alimentation dans les médecines locales ne peut être négligée dans le contexte du diabète. De plus, ces médecines sont indissociables du territoire qui offre un espace de guérison, de subsistance, et de continuité culturelle. Cela renvoie, in fine, à des questions importantes sur la reconnaissance des droits autochtones et des droits fonciers.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".