MétaCan
Menu
Retour à la cohorte
Enregistrement W2971380866 · doi:10.1111/inm.12650

Reframing resilience: Strengthening continuity of patient care to improve the mental health of immigrants and refugees

2019· article· en· W2971380866 sur OpenAlexafffund
Lloy Wylie, Ann Marie Corrado, Nandni Edwards, Meriem Benlamri, Daniel E. Murcia Monroy

Notice bibliographique

RevueInternational Journal of Mental Health Nursing · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensWomen's College HospitalWestern University
Organismes subventionnairesChildren's Health Foundation
Mots-clésCognitive reframingRefugeeMental healthNursingHealth carePsychological resilienceStressorImmigrationMultidisciplinary approachFocus groupPsychologyMedicinePolitical scienceSociologySocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Refugee and immigrant populations experience many pre- and post-migration risk factors and stressors that can negatively impact their mental health. This qualitative study aimed to explore the system-level issues that affect the access to, as well as quality and outcomes of mental health care for immigrants and refugees, with a particular focus on challenges in the continuity of patient care. A multidisciplinary group of health providers, including nurses, identified six themes including (i) perceived access to care; (ii) coordination amongst health care providers; (iii) patient connections with community organizations; (iv) coordinated care planning; (v) organizational protocols, policies and procedures and (vi) systemic and health care training needs. Although patient resilience is seen as a pivotal way for vulnerable populations to cope with hardship, there is a clear need for creating a resilient health care system that is able to anticipate and adapt to adverse situations. The findings from this study have implications for nurses, who are uniquely positioned to advocate for public health policy that improves the continuity of health care by creating systemic resilience.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,069

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0100,009
Communication savante0,0050,005
Science ouverte0,0010,013
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,364
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mental Health NursingMême sujetMigration, Health and TraumaTravaux en français237 207