Assessment of language needs and resource use among Canadian immigrant patients with cancer.
Notice bibliographique
Résumé
77 Background: Canada's foreign-born population is estimated to reach up to 30% by 2036. Immigrants diagnosed with cancer can face poorer cancer outcomes compared to non-immigrants due to language barriers affecting physician-patient communication and non-equivalent interpretation by untrained translators. Reducing this disparity is a growing challenge due to continued high immigration rates. As Canadian data is lacking, we explored the language needs and resource utilization of Canadian cancer patients. Methods: Adult cancer survivors from Princess Margaret Cancer Centre were surveyed in English on their socio-demographics, perceived communication difficulties, and interpreter use. Results: Of 470 patients, 45% were foreign-born; 37% self-identified as immigrants; 78% spoke mostly English at home. Among self-identified immigrants, median age at diagnosis was 60 years, 46% were female, and 59% completed post-secondary education. Top three countries of origin were China (23%), India (10%), and Italy (9%). Although 73% of immigrants reported English as their most comfortable language in which to receive healthcare information, 18% reported difficulties communicating with the doctor in English at a few visits or more, 14% indicated some discomfort communicating with their oncologist in English, and 4% of immigrants felt their cancer care was affected by a language barrier. Twenty-six percent of immigrants required interpretation, with 91% employing family, 7% utilizing professional interpreters, and only 19% have ever used the institutional language services. Conclusions: Although most immigrants identify English as their most comfortable language for healthcare delivery, some still experience communication difficulties with their oncologist during at least a few visits. However, most patients felt comfortable communicating with their oncologists and do not feel their cancer care is affected. Most relied on family members to interpret, while local hospital language resources were largely underutilized. Strategies for promoting professional translation service use may help improve immigrants’ experience, caregivers’ burden, and enhance physicians’ ability to counsel patients directly.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».