Cross-border movement and women's health: how to capture the data
Notice bibliographique
Résumé
INTRODUCTION: The movement of women across international borders is occurring at greater rates than ever before, yet the relationship between migration and women's health has been under-explored. One reason may be difficulty measuring migration variables including country of birth, length of time in country, immigration status, language ability, and ethnicity. A range of social, environmental, cultural, and medical characteristics associated with the pre-, during- and post-migration phases are also important to consider. The objective of this paper is to present challenges and solutions in measuring migration and related variables via survey-like questionnaires administered to international migrant women. METHODS: The development, validation, and translation of two questionnaires subsequently applied in studies of migrant women during pregnancy, birth and postpartum were used as case examples to highlight related measurement issues. RESULTS: Challenges: (1) Measuring socio-cultural, medical and environmental variables across the pre-during-post migration phases (since questions must be framed so that data relating to each phase of migration are captured); (2) Obtaining data for complex patterns of migration (i.e., multiple movements between multiple destinations); and (3) answering long questions across a time continuum.Solutions: (1) Using interviewer-assisted rather than self-administered questions; (2) Adding probes and explanations to 'walk' participants through their migration experiences; (3) Identifying variables (e.g., trafficking) better captured using non-questionnaire data collection methods or better not collected (e.g., ethnicity) due to extreme variations in meaning. CONCLUSION: Carefully constructed and translated survey questionnaires are practical tools for the collection of a breadth of migrant data. These data, including detailed accounts of countries lived in, length of time in those countries, immigration status, change in status, language fluency, and health insurance eligibility offer rich descriptions of the population under study and make research findings with regards to migration more interpretable. Analyses by a range of migration indicators are facilitated through survey-like questionnaire data of this type.
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 | 0,197 | 0,446 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,011 | 0,015 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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 ».