MétaCan
Menu
Retour à la cohorte
Enregistrement W4213300854 · doi:10.1186/s12889-021-12305-3

Understanding the bigger picture: syndemic interactions of the immigrant and refugee context with the lived experience of diabetes and obesity

2022· article· en· W4213300854 sur OpenAlexafffundabout
Nicole Naadu Ofosu, Thea Luig, Yvonne E. Chiu, Naureen Mumtaz, Roseanne O. Yeung, Karen K. Lee, Nancy Wang, Nasreen Omar, Lydia Yip, Sarah Aleba, Kiki Maragang, Mulki Ali, Irene Dormitorio, Denise Campbell‐Scherer

Notice bibliographique

RevueBMC Public Health · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensNorQuest CollegeUniversity of Alberta
Organismes subventionnairesNovo NordiskGovernment of Alberta
Mots-clésSyndemicThematic analysisRefugeeMedicineContext (archaeology)PsychosocialGerontologyQualitative researchImmigrationPublic healthPovertyHealth careEnvironmental healthSociologyNursingEconomic growthPolitical scienceGeographyPsychiatrySocial science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Providing contextually appropriate care and interventions for people with diabetes and/or obesity in vulnerable situations within ethnocultural newcomer communities presents significant challenges. Because of the added complexities of the refugee and immigrant context, a deep understanding of their realities is needed. Syndemic theory sheds light on the synergistic nature of stressors, chronic diseases and environmental impact on immigrant and refugee populations living in vulnerable conditions. We used a syndemic perspective to examine how the migrant ethnocultural context impacts the experience of living with obesity and/or diabetes, to identify challenges in their experience with healthcare. METHODS: This qualitative participatory research collaborated with community health workers from the Multicultural Health Brokers Cooperative of Edmonton, Alberta. Study participants were people living with diabetes and/or obesity from diverse ethnocultural communities in Edmonton and the brokers who work with these communities. We conducted 3 focus groups (two groups of 8 and one of 13 participants) and 22 individual interviews (13 community members and 9 brokers). The majority of participants had type 2 diabetes and 4 had obesity. We conducted a thematic analysis to explore the interactions of people's living conditions with experiences of: 1) diabetes and obesity; and 2) healthcare and resources for well-being. RESULTS: The synergistic effects of pre- and post-immigration stressors, including lack of social network cultural distance, and poverty present an added burden to migrants' lived experience of diabetes/obesity. People need to first navigate the challenges of immigration and settling into a new environment in order to have capacity to manage their chronic diseases. Diabetes and obesity care is enhanced by the supportive role of the brokers, and healthcare providers who have an awareness of and consideration for the contextual influences on patients' health. CONCLUSIONS: The syndemic effects of the socio-cultural context of migrants creates an additional burden for managing the complexities of diabetes and obesity that can result in inadequate healthcare and worsened health outcomes. Consequently, care for people with diabetes and/or obesity from vulnerable immigrant and refugee situations should include a holistic approach where there is an awareness of and consideration for their context.

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)0,007
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,099
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0200,027
Communication savante0,0100,010
Science ouverte0,0020,014
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,109
Tête enseignante GPT0,339
Écart entre enseignants0,231 · 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'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

Citations16
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetMigration, Health and TraumaTravaux en français237 207