Injury among the immigrant population in Canada: exploring the research landscape through a systematic scoping review
Notice bibliographique
Résumé
BACKGROUND: Injuries are the leading cause of death among younger Canadians and represent a large economic burden on the Canadian population. Although immigrants comprise more than 20% of the Canadian population, the research landscape on injury in this group is unclear. We conducted a scoping review to summarize existing research regarding injuries among Canadian immigrants to identify research gaps and future research opportunities. METHODS: Relevant electronic databases of peer-reviewed articles and grey literature were systematically searched. Original articles were selected based on predefined criteria. Relevant information from the articles was extracted and reported in the review. RESULTS: After a comprehensive search, screening and full-text evaluation, 28 articles were selected for the synthesis. Of the injuries that have been studied among Canadian immigrants, the majority focused on occupational injuries, followed by road traffic accidents. Of the 28 studies, 16 were quantitative and 12 were qualitative. The research themes among occupational injury papers centred on factors leading to injury, factors leading to delayed reporting and compensation of injury and post-occupational injury experiences. Language barriers, informal training and the mismatch between education and occupation among immigrants were found to be the most frequent determinants of injury risk. CONCLUSIONS: The synthesized knowledge in this scoping review offers an understanding of the current research landscape on injury among immigrants that can be used to assist policymakers, service providers, employers and researchers regarding injuries in this population.
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 | 0,026 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,031 | 0,042 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».