Healthcare access for refugee women with limited literacy: layers of disadvantage
Notice bibliographique
Résumé
BACKGROUND: Record numbers of people, across the world, are forced to be displaced because of conflict or other violations of their human rights, thus becoming refugees. Often, refugees not only have a higher burden of disease but also compromised access to healthcare, as they face many barriers, such as limited knowledge of the local language. However, there is very limited knowledge on the lived experiences of this population. Moreover, the strategies people might develop in their efforts to access healthcare have not been explored in depth, despite their value in establishing peer- support, community based programs. METHODS: In this article, we present the findings of a study aiming to explore the lived experiences of accessing healthcare in the greater Vancouver area for recently-arrived, government-assisted refugee women, who were non-literate and non-English-speaking when they arrived in the country. We carried out sixteen semi-structured interviews with eight refugee women, guided by descriptive phenomenology. RESULTS: The findings highlight the intersection of limited knowledge of the local language with low literacy, gender, and refugee status and how it impacts women's access to healthcare, leading to added layers of disadvantage. We discuss three themes: (1) Dependence, often leading to compromised choice and lack of autonomy, (2) Isolation, manifesting as fear in navigating the healthcare system, rejection, or shame for a perceived inadequacy, and (3) Resourcefulness in finding ways to access healthcare. DISCUSSION: We propose that a greater understanding of the intersections of gender, low literacy, and refugee status can guide healthcare workers and policy makers in improving services for this population. Furthermore, It is important to enable seldom-heard, hard to reach populations and facilitate their participation in research in order to understand how vectors of disadvantage intersect.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».