MétaCan
Menu
Retour à la cohorte
Enregistrement W3017191261 · doi:10.1186/s12913-020-05180-y

Development and pilot testing of a health education program to improve immigrants’ access to Canadian health services

2020· article· en· W3017191261 sur OpenAlexaffabout
Setareh Ghahari, Shawna Burnett, Libby Alexander

Notice bibliographique

RevueBMC Health Services Research · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineImmigrationHealth administrationHealth careFormative assessmentNursingNursing researchTest (biology)EmpowermentHealth informaticsMedical educationHealth services researchPopulationPublic healthPsychologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In Canada's increasing immigrant population, a phenomenon called the "healthy immigrant effect" has arisen in which health declines after four years of settling. Access to healthcare is an important consideration. There is strong evidence that immigrants lack confidence and knowledge for navigating health services. The aim of this study was to develop and pilot test the Accessing Canadian Healthcare for Immigrants: Empowerment, Voice & Enablement (ACHIEVE) program. METHOD: The study employed an exploratory sequential mixed methods design. A qualitative study was completed. Program content was developed based on a scoping review and refined in a formative evaluation. Then, a pilot test of the program measured participants' perceived efficacy in improving confidence in healthcare navigation, program satisfaction, and learning in individual sessions. RESULTS: Researchers found significantly higher rates of health navigation and an increase in knowledge about the Canadian health system post-program. CONCLUSIONS: Results provide promising evidence that ACHIEVE may improve confidence in healthcare access among immigrants, demonstrating potential for dispersion on a larger scale.

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)0,006
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,623
Score d'incertitude au seuil0,750

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,167
Tête enseignante GPT0,493
Écart entre enseignants0,325 · 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'étudeEssai non randomisé
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

Citations19
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetMigration, Health and TraumaTravaux en français237 207