Strategies for health education in North American immigrant populations
Notice bibliographique
Résumé
AIM: This article is intended to stimulate critical thinking about barriers and strategies related to health education for immigrant populations. Its rationale is to promote an understanding and appreciation for the individuality and diversity of immigrant beliefs, values and culture, and how these contribute to health education through nursing practice, research and theory. BACKGROUND: Since 2005, over 1,250,000 immigrants annually have obtained legal permanent residence in North America [over 1 million annually in the United States of America (USA) and over 250,000 annually in Canada]. THE PROBLEM: While a broad immigration policy leads to population growth, cultural change and ethnic diversity, migration impacts immigrants' health status. In North America, the 'healthy immigrant effect', whereby immigrants generally tend to be healthier than individuals born in host countries, steadily declines after immigration. METHODS: Immigration statistics and reports on literacy and learning were sourced from official websites in Canada and the USA. These were reviewed and discussed in the context of scholarly published literature on health literacy, health education and health promotion. OPPORTUNITIES: Promoting health in immigrant populations is difficult due to cultural, linguistic, health literacy and socio-economic barriers. Cultural sensitivity, careful inquiry and comprehensive knowledge of immigrants' social circumstances are essential to every health education programme. CONCLUSION: Strategies for immigrant health education must be technologically diverse, involve partnerships with multidisciplinary professionals, elicit active community participation, and facilitate language transfer and interpretation. Future research must continue to explore these barriers and strategies, using both qualitative and quantitative methodologies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».