MétaCan
Menu
Retour à la cohorte
Enregistrement W2038186742 · doi:10.1353/hpu.2015.0049

Improving Access to Mental Health Services for Racialized Immigrants, Refugees, and Non-Status People Living with HIV/AIDS

2015· article· en· W2038186742 sur OpenAlexaffabout
Yin-Yuan Chen, Alan Tai-Wai Li, Kenneth Fung, Josephine Pui‐Hing Wong

Notice bibliographique

RevueJournal of Health Care for the Poor and Underserved · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMental healthRefugeeImmigrationStigma (botany)EmpowermentCultural competenceMedicineMental health serviceService providerHuman immunodeficiency virus (HIV)Service (business)NursingGerontologyPsychologyPsychiatryPolitical scienceFamily medicineBusiness

Résumé

récupéré en direct d'OpenAlex

The demographic characteristics of people living with HIV/AIDS (PHAs) in Canada are increasingly diverse. Despite literature suggesting a potentially heightened mental health burden borne by racialized immigrant, refugee, and non-status PHAs (IRN-PHAs), researchers have hitherto paid insufficient attention to whether existing services adequately address this need and how services might be improved. Employing community-based research methodology involving PHAs from five ethnoracial groups in Toronto, Ontario, this study explored IRN-PHAs' mental health service-seeking behaviors, service utilization experiences, and suggestions for service improvements. Results showed that while most IRN-PHAs were proactive in improving their mental health, their attempts to obtain support were commonly undermined by service provider mistreatment, unavailability of appropriate services, and multiple access barriers. A three-pronged approach involving IRN-PHA empowerment, anti-stigma and cultural competence promotion, and greater service integration is proposed for improving IRN-PHAs' mental health service experience.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil0,973

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0050,002
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,353
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Health Care for the Poor and UnderservedMême sujetMigration, Health and TraumaTravaux en français237 207