MétaCan
Menu
Retour à la cohorte
Enregistrement W3207363517 · doi:10.1177/10497323211040769

Chronic Illness Management in Culturally and Linguistically Diverse Patients: Exploring the Needs, Access, and Understanding of Information

2021· article· en· W3207363517 sur OpenAlexafffundabout
Sylvie Lambert, Katya Loban, Jane Li, Tracy Nghiem, Jamie Schaffler, Christine Maheu, Sylvie Dubois, Nathalie Folch, Elisa Gélinas-Phaneuf, Andréa Maria Laizner

Notice bibliographique

RevueQualitative Health Research · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterpreting and Communication in Healthcare
Établissements canadiensMcGill University Health CentreCentre Hospitalier de l’Université de MontréalMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research ChairsRéseau de recherche portant sur les interventions en sciences infirmières du Québec
Mots-clésPsychosocialMedicineInformation needsQualitative researchNursingPerceptionHealth literacyHealth carePsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

In Canada, people from culturally and linguistically diverse (CALD) backgrounds are at a greater risk of developing a chronic illness, and are more likely to experience adverse health effects and challenges in accessing high-quality care compared with Canadian-born individuals. This, in part, has been attributed to having inadequate access to information and resources needed to manage their illness(es). A qualitative descriptive design and inductive content analysis were used to explore the information needs of 24 CALD patients with chronic illnesses. Participants identified medical, lifestyle, and psychosocial information needs. How much information was needed depended on such antecedents as illness trajectory, severity, and perception. Most information needs remained unmet. A number of communication strategies were identified to bridge language barriers that go beyond translation and are based on effective health education strategies. Findings can help health care professionals better identify CALD patients' information needs and provide strategies that go beyond translation.

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)0,007
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,607
Tête enseignante GPT0,620
Écart entre enseignants0,013 · 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'étudeQualitatif
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

Citations21
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetInterpreting and Communication in HealthcareTravaux en français237 207