Difficulties accessing health care services during the COVID-19 pandemic in Canada: examining the intersectionality between immigrant status and visible minority status
Notice bibliographique
Résumé
BACKGROUND: Difficulties accessing health care services can result in delaying in seeking and obtaining treatment. Although these difficulties are disproportionately experienced among vulnerable groups, we know very little about how the intersectionality of realities experienced by immigrants and visible minorities can impact their access to health care services since the pandemic. METHODS: Using Statistics Canada's Crowdsourcing Data: Impacts of COVID-19 on Canadians-Experiences of Discrimination, we combine two variables (i.e., immigrant status and visible minority status) to create a new variable called visible minority immigrant status. This multiplicative approach is commonly used in intersectionality research, which allows us to explore disadvantages experienced by minorities with multiplicative identities. RESULTS: Main results show that, compared to white native-born, visible minority immigrants are less likely to report difficulties accessing non-emergency surgical care (OR = 0.55, p < 0.001), non-emergency diagnostic test (OR = 0.74, p < 0.01), dental care (OR = 0.71, p < 0.001), mental health care (OR = 0.77, p < 0.05), and making an appointment for rehabilitative care (OR = 0.56, p < 0.001) but more likely to report difficulties accessing emergency services/urgent care (OR = 1.46, p < 0.05). CONCLUSION: We conclude that there is a dynamic interplay of factors operating at multiple levels to shape the impact of COVID-19 related needs to be addressed through changes in social policies, which can tackle unique struggles faced by visible minority immigrants.
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 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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».