How health professionals perceive and experience treating people on social assistance: a qualitative study among dentists in Montreal, Canada
Notice bibliographique
Résumé
BACKGROUND: In Canada, the prevalence of oral diseases is very high among people on social assistance. Despite great need for dental treatment, many are reluctant to consult dental professionals, arguing that dentists do not welcome or value poor patients. The objective of this research was thus to better understand how dentists perceived and experienced treating people on social assistance. METHODS: This descriptive qualitative research was based on in-depth semi-structured interviews with 33 dentists practicing in Montreal, Canada. Generally organized in dentists' offices, the interviews lasted 60 to 120 minutes; they were digitally recorded and later transcribed verbatim. The interview transcripts were coded with NVivo software, and data was displayed in analytic matrices. Three members of the research team interpreted the data displayed and wrote the results of this study. RESULTS: Dentists express high levels of frustration with people on social assistance as a consequence of negative experiences that fall into 3 categories: 1) Organizational issues (people on social assistance ostensibly make the organization of appointments and scheduling difficult); 2) Biomedical issues (dentists feel unable to provide them with adequate treatment and fail to improve their oral health); 3) Financial issues (they are not lucrative patients). To explain their stance, dentists blame people on social assistance for neglecting themselves, and the health care system for not providing adequate coverage and fees. Despite dentists' willingness to treat all members of society, an accumulation of frustration leads to feelings of powerlessness and discouragement. CONCLUSIONS: The current situation is unacceptable; we urge public health planners and governmental health agencies to ally themselves with the dental profession in order to implement concrete solutions.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,029 | 0,013 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».