MétaCan
Menu
← Retour à la cohorte
Enregistrement W4304160928 · doi:10.21203/rs.3.rs-2062345/v1

The IMPACT Cross-Sectional Study: The socioeconomic experiences of US and non-US immigrants in Canada in the midst of the COVID-19 pandemic

2022· preprint· en· W4304160928 sur OpenAlexaffabout
Setareh Ghahari, Anwar Subhani

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusImmigrationPandemicDemographic economicsDemographyPsychologyGeographyCoronavirus disease 2019 (COVID-19)MedicinePolitical scienceSocioeconomicsSociologyDiseasePopulationEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Background: The COVID-19 pandemic has exacerbated socioeconomic deficiencies within Canada's immigrant populations, yet the nature of these challenges is not well understood. Specifically, it is essential to understand the difference between immigrants from countries with similar language and resources (such as the US) and those from a different background (non-US countries). Accordingly, the IMPACT study at the centre of this article included a Canadian national survey that compared key domains of life in US immigrants with non-US immigrants to provide policymakers with a research-based path toward delivering culturally targeted and socially competent services. Methods: Potential participants were recruited from various newcomer support services centers in Canada to complete the IMPACT survey. The survey comprised a series of questionnaires designed to assess participants' self-perceived impacts of COVID-19 on various socioeconomic markers. For each socioeconomic variable, we analyzed the experiential differences between US vs non-US immigrant subgroups. A chi-square analysis was used to analyze the differences between these geographic subgroups (significance level α=0.05). Results: On average, non-US immigrants in Canada were less likely to disclose their COVID-19 health status than their US-based counterparts; this trend was correlated with reported concerns over discontinuation of one’s income. Qualitative themes within the non-US immigrant subgroup elucidated a mentality of “making it on [one’s]own”, and consequently, a reluctance to seek out external resources. Surprisingly, despite the US immigrant subgroup having better socioeconomic conditions before the onset of the pandemic, this subgroup was subject to a comparatively greater post-pandemic decrease in socioeconomic well-being, resulting in proportionally greater food and financial insecurities than non-US immigrants. Conclusion: The study highlighted two key findings: (1) US immigrants faced a proportionally increased instability of their socioeconomic well-being; whilst (2) non-US immigrants faced greater social and intrapersonal barriers to external supports and experienced a greater incidence of COVID-19 infections, likely resulting from this cohorts reluctance to miss work on the basis of income generation. Government-funded immigration resources, newcomer support centers, and researchers require evidence-based, demographically-targeted initiatives to aid the diverse needs of Canadian immigrants and in the post-pandemic recovery period and in future public health emergencies.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,031
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0090,002
Communication savante0,0030,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,333
Tête enseignante GPT0,582
Écart entre enseignants0,249 · 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'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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→