MétaCan
Menu
Retour à la cohorte
Enregistrement W4225247606 · doi:10.3390/women2010004

Understanding the Influence of Ghanaian Women’s Migration Patterns on Access to Health Care

2022· article· en· W4225247606 sur OpenAlexaff
Laiba Rizwan, Michelle Malagón, Solina Richter

Notice bibliographique

RevueWomen · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of SaskatchewanUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusThematic analysisHealth careEmpowermentIntersectionalityHealth equitySocial determinants of healthEconomic growthQualitative researchPolitical sciencePsychologyDemographic economicsBusinessPopulationSociologyMedicineGender studiesEnvironmental healthEconomics

Résumé

récupéré en direct d'OpenAlex

Increased migration rates demonstrate a rise in women seeking relocation as a means to access employment or academic opportunities; this is referred to as the feminization of migration. Migration stimulates female empowerment, increases access to financial opportunities, and promotes cultural diversity, all while simultaneously exposing women to detrimental conditions that impose risks to their physical and psychological well-being. Health is a fundamental human right that female migrants often are deprived of due to various social, cultural, political, and economic factors. A secondary analysis design was implemented to explore the impact of social determinants of health, specifically socioeconomic status, culture, and education, on health outcomes and health care access of Ghanaian internal and external female migrants. Interviews collected from two primary studies were analyzed using thematic analysis and an intersectionality approach. Ghanaian female migrants experienced cultural, financial, social, and health accessibility related barriers in accessing health care services. Our findings will serve as a foundation for improving health outcomes for female migrant populations and support health care professionals’ practice of cultural competence.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,108
Tête enseignante GPT0,436
Écart entre enseignants0,328 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWomenMême sujetGlobal Health Workforce IssuesTravaux en français237 207