Engaging im/migrant communities in cross-sectoral health and immigration data linkage research.
Notice bibliographique
Résumé
ObjectivesWe aim to respond to health care barriers experienced by immigrant and migrant (im/migrant) communities through community-engaged research using population-based multi-sectoral linked health and immigration data, alongside qualitative methods. We describe lessons learned with respect to analytic choices and interpretation of findings from data linkage research. ApproachWe linked Canadian federal immigration data and health data from the province of British Columbia to analyze access to health care services during the COVID-19 pandemic. Immigration data include date and class of arrival, level of education, language ability at arrival, countries of birth and origin, and other personal characteristics. Provinces also collect documentation of immigration status as part of ascertaining health insurance eligibility, data not previously used for research. Planning and carrying out this analysis involved people who come from different countries and have different immigration journeys, such as people with precarious im/migration status, refugees, workers and students. ResultsFindings underscore that care should be taken in choosing categories to group people using administrative immigration systems data that are relevant to research questions, considering class of arrival, current status, time since arrival, and language ability, alongside intersecting characteristics. In studying COVID-19 infection and access to care, current status (temporary or permanent) was particularly important, as this is tied to both workplace protections/risks and access to care. Time since arrival in Canada and language ability were important in examining questions related to health system navigation, including access to virtual and in-person care. Immigration information recorded at time of registration for provincial insurance offers a new opportunity to include immigration data in analysis, and is particularly helpful in studying impacts of temporary status. ConclusionA strength of linked immigration data is that it directly captures administrative categories that are modifiable and that structurally determine health. In interpreting analysis we must emphasize that immigration records and class captured at time of registration for health insurance reflect administratively imposed categories, but may not reflect identities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,233 | 0,200 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,003 | 0,021 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».