pratiques prometteuses de transfert des connaissances en santé publique en contextes autochtones : une synthèse narrative
Bibliographic record
Abstract
Le transfert des connaissances (TC) est essentiel à la recherche en santé, mais aussi aux actions de santé publique, afin d’augmenter l’impact des résultats de la recherche sur l’état de santé des populations. Or, en santé autochtone, les pratiques de TC ont longtemps marginalisé les savoirs et les peuples autochtones, contribuant à des effets mitigés des nouvelles connaissances sur l’amélioration de la santé de ces populations. L’objectif de cet article est de synthétiser les connaissances sur les pratiques prometteuses de TC en santé publique en contextes autochtones afin d'outiller les personnes professionnelles œuvrant avec des organisations de santé autochtones. Une revue narrative fondée sur une approche systématique a été effectuée dans la littérature scientifique et grise des pays du CANZUS de 2013 à 2024. Les études satisfaisant aux critères d’inclusion et respectant l’éthique autochtone de la recherche ont été sélectionnées par un processus interjuge. Le corpus a fait l’objet d’une analyse thématique inductive. Il en résulte un cadre conceptuel articulant les pratiques prometteuses de TC en contextes autochtones selon une approche décoloniale. Le cadre comporte sept dimensions, assorties de dix critères pour guider l'élaboration d'un projet de TC. Cette synthèse de la littérature répond à un manque de connaissances pour guider les actions de TC visant à agir sur les déterminants sociaux de la santé, à réduire les inégalités sociales de santé et à améliorer l’état de santé en contextes autochtones au Québec.
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 | 0.014 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.010 | 0.024 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 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; 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".