MétaCan
Menu
Retour à la cohorte
Enregistrement W3128682187 · doi:10.1186/s12939-021-01399-1

Sharpening our public health lens: advancing im/migrant health equity during COVID-19 and beyond

2021· letter· en· W3128682187 sur OpenAlexafffund
Stefanie Machado, Shira M. Goldenberg

Notice bibliographique

RevueInternational Journal for Equity in Health · 2021
Typeletter
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensSt. Paul's HospitalSimon Fraser University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthNational Institute on Drug AbuseSimon Fraser UniversityMichael Smith Health Research BCVancouver Foundation
Mots-clésPublic healthCoronavirus disease 2019 (COVID-19)Health equityEquity (law)2019-20 coronavirus outbreakSharpeningSocial policySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PandemicHealth policyPublic health policyPolitical scienceLens (geology)MedicineVirologyNursingInfectious disease (medical specialty)OpticsOutbreakLaw

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Differential impacts of the COVID-19 pandemic have brought deeply rooted inequities to the forefront, where increasing evidence has shown that racialized immigrant and migrant (im/migrant) populations face a disproportionate burden of COVID-19. Im/migrant communities may be worst affected by lockdowns and restrictive measures, face less opportunity to physically distance or stay home sick within 'essential' jobs, and experience severe barriers to healthcare. Insufficient attention to experiences of racialized im/migrants in current pandemic responses globally highlights an urgent need to more fulsomely address unmet health needs through an anti-racist, equity-oriented lens. This commentary aims to highlight the need for public health and clinical training, research, and policy to thoughtfully prioritize im/migrant health equity during and beyond the COVID-19 pandemic. MAIN TEXT: Global pandemic responses have neglected im/migrants by continuing to ignore or insufficiently address inequities, exacerbating COVID transmission, xenophobia, and occupational injustice. Deaths, illness, stress, and other negative outcomes of the overlapping epidemics of COVID-19 and structural racism disproportionately borne by racialized im/migrants suggest the urgent need for action. As evidence mounts about how im/migrants have been left behind in times of crises, we need enhanced focus on health equity within COVID-19 research and interventions, including research that examines and pursues structural interventions necessary to mitigate these impacts, and that identifies patterns and harms of xenophobic policy, structural racism, and white supremacy in shaping im/migrant health outcomes. We must also strengthen anti-racist and equity-oriented curriculum within health education, and ensure sufficient attention to the needs of im/migrant communities within public health, clinical, and research training. CONCLUSION: The COVID-19 pandemic has exacerbated and rendered more visible the deeply rooted health and social inequities faced by racialized im/migrants across diverse settings. We argue for a greater emphasis on equity-focused and anti-racist im/migrant health research, interventions, and training. Policymakers and practitioners must ensure that healthcare policies and practices do not exacerbate inequities, and instead meaningfully address unmet needs of communities, including racialized im/migrants. Ethical and respectful community engagement, commitment and collaboration with global, national, and local communities, policymakers, academics, and educators, as well as accountability across sectors, is critical.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,211
Tête enseignante GPT0,507
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations53
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Equity in HealthMême sujetMigration, Health and TraumaTravaux en français237 207