MétaCan
Menu
Retour à la cohorte
Enregistrement W4310148174 · doi:10.1186/s12913-022-08672-1

Socio-demographic disparities in receipt of clinical health care services during the COVID-19 pandemic for Canadian children with disability

2022· article· en· W4310148174 sur OpenAlexafffundabout
Miriam González, Jinan Zeidan, Jonathan Lai, Afiqah Yusuf, Nicola Wright, Mandy Steiman, Arun Karpur, Andy Shih, Mayada Elsabbagh, Keiko Shikako‐Thomas

Notice bibliographique

RevueBMC Health Services Research · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcGill UniversityAutism CanadaMcGill University Health CentreMontreal Neurological Institute and Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchPublic Health AgencyPublic Health Agency of Canada
Mots-clésReceiptMedicineSocioeconomic statusEducational attainmentPublic healthPandemicLogistic regressionMental healthVulnerability (computing)GerontologyCoronavirus disease 2019 (COVID-19)PsychiatryNursingEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Little is known about the experience of receiving in-person and virtual clinical health care services during the COVID-19 pandemic for Canadian children with developmental disabilities and delays facing multiple layers of vulnerability (e.g., low income, low educational attainment families). We examined the relationship between socio-demographic factors and the receipt of these services (physical and mental health services) during COVID-19 for Canadian children with these conditions. METHODS: Data collected in Canada for the Global Report on Developmental Delays, Disorders and Disabilities were used. The survey: (1) was developed and disseminated in collaboration with caregivers of children with disabilities, (2) included topics such as response to the pandemic and receipt of services and supports, and (3) documented the experiences of a non-random convenience sample of caregivers of children (any age) with these conditions during and prior to the pandemic. We used four logistic regression models to assess the association between socio-demographic factors and receipt of services. RESULTS: Being a single parent, having low educational attainment (high school or less), having low income (making less than $40,000 per year), working less than full time (working part-time, working reduced hours due to COVID, retired, stay home parent or student), as well as male gender and older age of the child with disability were factors associated with decreased likelihood of receiving services. CONCLUSION: Our findings point to the need for tailoring services for families of children with disabilities, particularly low socioeconomic status families, to ensure continuity of care during 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)0,004
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 enseignants0,023
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,164
Tête enseignante GPT0,536
Écart entre enseignants0,372 · 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

Citations24
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Health Services ResearchMême sujetCOVID-19 and Mental HealthTravaux en français237 207