Impact of COVID-19 on an Urban Refugee Population
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: The COVID-19 pandemic has brought to light many systemic inequities in health care delivery. As medical communities work to address the disproportionate effects of COVID-19 on vulnerable populations, it is crucial to include refugees in the public health response. Language barriers, poor health literacy, and low socioeconomic status render refugee populations highly susceptible to negative outcomes from the COVID-19 pandemic. To better understand the refugee experience with COVID-19, we constructed and administered a survey among refugee populations in Houston, Texas. Methods: Our 49-question cross-sectional survey was administered to 44 participants in Arabic, Burmese, Dari, English, Kiswahili, Nepali, Spanish, or Urdu with the use of refugee resettlement case managers acting as translators. The survey encompassed three domains, including a general knowledge assessment of COVID-19, subjective experiences with COVID-19, and risk communication practices within refugee populations. Results: The majority of refugees surveyed admitted to worrying about the effects of COVID-19 on their community (88.6%). The negative consequences of the COVID-19 pandemic included financial adversity (65.1%) and significant disruption of children's education (62.8%). Although 50.0% of participants self-reported proficiency in English, translation services were used with 75.0% of participants to ensure full comprehension. Conclusions: The implications of our findings suggest that local refugee populations require heightened support during the COVID-19 pandemic. Tailored interventions should encompass comprehensive translation and interpretation services, financial assistance, and academic interventions for refugee youth.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle