MétaCan
Menu
← Retour à la cohorte
Enregistrement W4253165123 · doi:10.32920/ryerson.14652033.v1

Challenges in accessing health care services : Canadian children living in mixed-status families

2021· preprint· en· W4253165123 sur OpenAlexafffundabout
Rachel Ayla Caplan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensToronto Metropolitan UniversityEducation and Early Childhood DevelopmentYork University
Organismes subventionnairesHospital for Sick Children
Mots-clésImmigrationHealth careMedicineFamily medicineNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

Few studies have explored the prevalence of Canadian children with family members that have precarious legal status and the impact of parental immigration status on a child's access to health care in Canada. This quantitative research study uses a rights-based approach to discuss secondary data collected retrospectively between 2005-2009 at a medical clinic for uninsured patients in eastern Toronto, Ontario (n=128). Demographic, immigration, and health-related factors are presented, and parental immigration status and health-seeking behaviours are explored. Findings indicate that: many Canadian children (Canadian-born and naturalized Canadians) are uninsured; Canadian children who attend the clinic are sick, as opposed to accessing well-child check-ups; and, a group of Canadian children living in mixed-status families are accessing health care facilities for medically uninsured patients. This study highlights mixed-status families, and the potential impact on children's access to health care. This study helps fill the research gap regarding uninsured Canadian children. It is intended to increase community and professional awareness about impingements made in fulfilling Canadian children's right to access the "universal" health care services they have been promised. In turn, this research could inform future policy, practice, and research within health care, educational, and governmental domains.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,043
Score d'incertitude au seuil0,315

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0100,003
Communication savante0,0030,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
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 Opus0,045
Tête enseignante GPT0,350
Écart entre enseignants0,305 · 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

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetMigration, Health and Trauma→Travaux en français237 207→