MétaCan
Menu
Retour à la cohorte
Enregistrement W3166849182 · doi:10.1186/s12912-021-00678-0

Challenges, coping responses and supportive interventions for international and migrant students in academic nursing programs in major host countries: a scoping review with a gender lens

2021· review· en· W3166849182 sur OpenAlexafffundabout
Lisa Merry, Bilkis Vissandjée, Kathryn Verville-Provencher

Notice bibliographique

RevueBMC Nursing · 2021
Typereview
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensCentres Intégré Universitaires de Santé et de Services SociauxUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésNursing managementMedicineNursing researchPsychological interventionNursingCoping (psychology)Clinical psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: International and migrant students face specific challenges which may impact their mental health, well-being and academic outcomes, and these may be gendered experiences. The purpose of this scoping review was to map the literature on the challenges, coping responses and supportive interventions for international and migrant students in academic nursing programs in major host countries, with a gender lens. METHODS: We searched 10 databases to identify literature reporting on the challenges, coping responses and/or supportive interventions for international and migrant nursing students in college or university programs in Canada, the United-States, Australia, New Zealand or a European country. We included peer-reviewed research (any design), discussion papers and literature reviews. English, French and Spanish publications were considered and no time restrictions were applied. Drawing from existing frameworks, we critically assessed each paper and extracted information with a gender lens. RESULTS: One hundred fourteen publications were included. Overall the literature mostly focused on international students, and among migrants, migration history/status and length of time in country were not considered with regards to challenges, coping or interventions. Females and males, respectively, were included in 69 and 59% of studies with student participants, while those students who identify as other genders/sexual orientations were not named or identified in any of the research. Several papers suggest that foreign-born nursing students face challenges associated with different cultural roles, norms and expectations for men and women. Other challenges included perceived discrimination due to wearing a hijab and being a 'foreign-born male nurse', and in general nursing being viewed as a feminine, low-status profession. Only two strategies, accessing support from family and other student mothers, used by women to cope with challenges, were identified. Supportive interventions considering gender were limited; these included matching students with support services' personnel by sex, involving male family members in admission and orientation processes, and using patient simulation as a method to prepare students for care-provision of patients of the opposite-sex. CONCLUSION: Future work in nursing higher education, especially regarding supportive interventions, needs to address the intersections of gender, gender identity/sexual orientation and foreign-born status, and also consider the complexity of migrant students' contexts.

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)0,015
score de la tête « metaresearch » (Gemma)0,062
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,062
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0130,011
Études des sciences et des technologies0,0020,001
Communication savante0,0050,003
Science ouverte0,0020,003
Intégrité de la recherche0,0040,002
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 Opus0,420
Tête enseignante GPT0,546
Écart entre enseignants0,126 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations33
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC NursingMême sujetCultural Competency in Health CareTravaux en français237 207