Exploring Canadian perceptions and experiences of stigma during the COVID-19 pandemic
Notice bibliographique
Résumé
Background: The COVID-19 pandemic has led to stigmatization of individuals based on race/ethnicity, age, gender, and occupation, among other factors. We canvassed Canadian residents to explore perceptions of and experiences with stigma during the COVID-19 pandemic. Methods: stigma. Residents of Ontario, Canada were eligible to participate and we aimed to recruit a sample that was diverse by race/ethnicity and age. Results: A total of 1,823 individuals participated in the survey (54% women, 39% men; 54% 18-40 years old, 28% 41-60 years old, 12% 61+ years old; 33% White, 26% East/SouthEast Asian, 14% Black, 12% South Asian). Fifty-one percent of participants agreed/strongly agreed that racist views had increased toward certain racial/ethnic groups in Canada during the pandemic. Participants perceived that people in Canada were stigmatized during the pandemic because of race/ethnicity (37%), political beliefs (26%), older age (24%), being a healthcare worker (23%), younger age (22%), being an essential worker (21%), and gender (11%). Thirty-nine percent of respondents feared experiencing and 37% experienced stigmatization during the pandemic. Men, individuals aged 18-40, and racialized participants were more likely to fear or experience stigma. With respect to health behaviors, 74, 68, and 59% of respondents were comfortable masking in public, seeking medical care if they became ill, and getting tested for COVID-19, respectively. Men were less likely to indicate comfort with mask wearing or seeking medical care. Participants aged 18-40 and Black participants were less likely to indicate comfort with all three behaviors compared to those over age 41 and White participants, respectively. South Asian participants were less likely to be comfortable seeking medical care compared to White Participants. Discussion: Participants feared or experienced stigmatization towards various demographic characteristics during the COVID-19 pandemic. It is critical that the factors driving stigma during health emergencies in Canada be better understood in order to develop effective public health messaging and interventions.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,021 | 0,005 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».