MétaCan
Menu
Retour à la cohorte
Enregistrement W4291914543 · doi:10.1177/13558196221109148

Immigrants’ and refugees’ experiences of access to health and social services during the COVID-19 pandemic in Toronto, Canada

2022· article· en· W4291914543 sur OpenAlexaffabout
Doris Leung, Charlotte Lee, Angel Wang, Sepali Guruge

Notice bibliographique

RevueJournal of Health Services Research & Policy · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésRefugeeImmigrationPandemicQualitative researchSocial distanceHealth careCoronavirus disease 2019 (COVID-19)Political sciencePsychologyMedicineSociologyDiseaseSocial scienceInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: In 2020, the World Health Organization reported that immigrants were the most vulnerable to contracting COVID, due to a confluence of personal and structural barriers. This study explored how immigrants and refugees experienced access to health and social services during the first wave of COVID-19 in Toronto, Canada. METHODS: This study analyzed secondary data from a qualitative study that was conducted between May and September 2020 in Toronto that involved semi-structured interviews with 72 immigrants and refugees from 21 different countries. The secondary data analysis was informed by critical realism. RESULTS: The vast majority of participants experienced fear and anxiety during the COVID-19 outbreak but through a combination of self-reliance and community support came to terms with the realities of the pandemic. Some even found the lifestyle changes engendered by the pandemic a positive experience. CONCLUSIONS: Self-reliance may hinder help-seeking and augment the threat of COVID-19. This is particularly a concern for the most vulnerable immigrants, who experience multiple disruptions in their health care, have limited material resources and social supports, and perhaps are still dealing with the challenges of settling in the new country.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,238
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,080
Tête enseignante GPT0,504
Écart entre enseignants0,424 · 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.

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

Citations21
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Health Services Research & PolicyMême sujetMigration, Health and TraumaTravaux en français237 207