P033: Engaging Indigenous patients in addressing cultural safety in an emergency department: a pilot initiative
Notice bibliographique
Résumé
Introduction: Cultural safety is integral to good clinical care, particularly for Indigenous patients. However, it remains poorly defined in emergency department care (ED). Practitioners at an urban Canadian ED serving a significant Indigenous population sought to engage with the community to define areas for improvement in culturally safe emergency department care. Methods: A participatory action approach was used. A Steering Committee was created, including emergency clinicians and Indigenous health researchers. The Committee collaborated with a local Indigenous health study (Our Health Counts) to aid recruitment. Relevant Indigenous community organizations were identified and engaged via email and personal visits. Recruitment posters were placed in common areas at community sites and the ED. Convenience and snowball sampling was used - potential participants called an ED research coordinator and inclusion criteria were confirmed (self identify as Indigenous, >18 years old, ED visit within the past year). Eligible participants were invited to attend a focus group facilitated by an Aboriginal Elder. Results: 31 individuals called to enroll for a total of 4 potential focus groups. 1 was successfully held: 5 participants were confirmed, 2 attended. Many recruitment challenges were identified, including difficulty maintaining contact/follow-up with a transient population, poster dissemination before recruitment start date, non-Indigenous patients attracted by compensation, and potential participant safety concerns regarding non-Indigenous contact point. Conclusion: Our initiative highlights challenges in engaging vulnerable populations in a large city. Focus groups may be logistically too challenging for this transient population. Other real-time data collection methods, such as phone interviews or surveys may be promising. An Indigenous contact point would likely improve perceived safety. The lack of socio-demographic data collection makes identifying potential participants challenging.
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 | 0,019 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».