HEIA tools: inclusion of migrants in health policy in Canada
Notice bibliographique
Résumé
This paper introduces the Migrant Populations Equity Extension for Ontario's Health Equity Impact Assessment (HEIA) initiatives. It provides a mechanism to address the needs of migrant populations, within a program and policy framework. Validation of an equity extension framework using community leaders and health practitioners engaged in HEIA workshops across Ontario. Participants assessed migrants' health needs and discussed how to integrate these needs into health policy. The Migrant Populations Equity Extension's framework assists decision makers assess relevant populations, collaborate with immigrant communities, improve policy development and mitigate unintended negative impacts of policy initiatives. The tool framework aims to build stakeholder capacity and improve their ability to conduct HEIAs while including migrant populations. The workshops engaged participants in equity discussions, enhanced their knowledge of migrant policy development and promoted HEIA tools in health decision-making. Prior to these workshops, many participants were unaware of the HEIA tool. The workshops informed the validation of the equity extension and support materials for training staff in government and public health. Ongoing research on policy implementation would be valuable. Public health practitioners and migrant communities can use the equity extension's framework to support decision-making processes and address health inequities. This framework may improve policy development and reduce health inequities for Ontario's diverse migrant populations. Many countries are now using health impact assessment and health equity frameworks. This migration population equity extension is an internationally unique framework that engages migrant communities.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».