MétaCan
Menu
Retour à la cohorte
Enregistrement W4285049123 · doi:10.1177/23743735221112707

Immigrant Healthcare Experiences and Impacts During COVID-19: A Cross-Sectional Study in Alberta, Canada

2022· article· en· W4285049123 sur OpenAlexaffabout
Bishnu Bahadur Bajgain, Jeanette Jackson, Fariba Aghajafari, Carmelle Bolo, Maria Santana

Notice bibliographique

RevueJournal of Patient Experience · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 and healthcare impacts
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPandemicHealth careLogistic regressionCoronavirus disease 2019 (COVID-19)MedicineAnxietyDemographicsImmigrationCross-sectional studyDemographyFamily medicineDepression (economics)Mental healthGeographyDiseasePsychiatryPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Primary Health Care is a gateway of healthcare services. The COVID-19 pandemic has modified the process of delivering care. We aimed to assess Albertan's healthcare experiences during the pandemic and compared experiences between Albertans that were born in and outside Canada. A cross-sectional online survey (experiences and impacts of COVID-19) was conducted in October 2020, 16 years, and older Albertans. Descriptive statistics and multivariable logistic regression were performed using STATA. Of 10 175 study participants, 10% were born outside Canada. Demographics were significantly different between the 2 groups ( P < .05). Results revealed that Canadian-born were more likely to report worse mental and physical health status (AOR = 1.36; 95% CI: 1.17-1.56), and higher stress, anxiety, and depression during the pandemic (AOR = 1.37; 95% CI: 1.16-1.60) than those born outside Canada. However, Canadian-born reported a trend toward better virtual care experiences (AOR = 1.16; 95% CI: 0.94-1.44). Albertans reported negative health impacts due to delay in care during the pandemic and vaccine hesitancy for COVID-19, which was not significantly difference among the cohorts ( P > .05). The study findings can inform primary healthcare providers and policymakers that could be used to develop quality improvement strategies.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,040
Tête enseignante GPT0,389
Écart entre enseignants0,349 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Patient ExperienceMême sujetCOVID-19 and healthcare impactsTravaux en français237 207