MétaCan
Menu
← Retour à la cohorte
Enregistrement W4385284329 · doi:10.1371/journal.pone.0287437

Primary health care utilization in the first year after arrival by refugee sponsorship model in Ontario, Canada: A population-based cohort study

2023· article· en· W4385284329 sur OpenAlexafffundabout
Susitha Wanigaratne, Jennifer Rayner, Richard H. Glazier, Thérèse A. Stukel, Hong Lu, Sima Gandhi, Natasha Saunders, Michaela Hynie, Anja Kilibarda, Astrid Guttmann

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensPublic Health OntarioYork UniversityHospital for Sick ChildrenSt. Michael's HospitalAccess Alliance Multicultural Health and Community ServicesInstitute for Clinical Evaluative SciencesUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésRefugeeSyrian refugeesDemographyMedicineCohortPopulationCohort studyHealth careHazard ratioLogistic regressionEnvironmental healthProportional hazards modelGerontologyGeographyPolitical scienceConfidence intervalInternal medicineSociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Canada's approach to refugee resettlement includes government sponsorship, a pioneering private sponsorship model and a third blended approach. Refugees are selected and supported differently in each approach including healthcare navigation. Little is known about how well private sponsors facilitate primary care navigation and whether this changed during the large-scale 2015 Syrian resettlement initiative characterized by civic and healthcare systems engagement. METHODS AND FINDINGS: Population-based cohort study of resettled refugees arriving in Ontario between April 1, 2008 and March 31, 2017, with one-year follow-up, using linked health and demographic administrative databases. We evaluated associations of resettlement model (GARs, Privately Sponsored Refugees [PSRs], and Blended-Visa Office Referred [BVORs]) by era of arrival (pre-Syrian and Syrian era) and by country cohort, on measures of primary care (PC) navigation using adjusted Cox proportional hazards and logistic regression. There were 34,591 (pre-Syrian) and 24,757 (Syrian era) resettled refugees, approximately half of whom were GARs. Compared with the reference group pre-Syrian era PSRs, Syrian PSRs had slightly earlier PC visits (mean = 116 days [SD = 90]) (adjusted hazard ratios [aHR] = 1.19, 95% CI 1.14-1.23). Syrian GARs (mean = 72 days [SD = 65]) and BVORs (mean = 73 days [SD = 76]) had their first PC visit sooner than pre-Syrian era PSRs (mean = 149 days [SD = 86]), with respective aHRs 2.27, 95% CI 2.19-2.35 and 1.89, 95% CI 1.79-1.99. Compared to pre-Syrian PSRs, Syrian GARs and BVORs had much greater odds of a CHC visit (adjusted odds ratios 14.69, 95% CI 12.98-16.63 and 14.08, 95% 12.05-16.44 respectively) and Syrian PSRs had twice the odds of a CHC visit. CONCLUSIONS: Less timely primary care and lower odds of a CHC visit among PSRs in the first year may be attributed to selection factors and gaps in sponsors' knowledge of healthcare navigation. Improved primary care navigation outcomes in the Syrian era suggests successful health systems engagement.

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)0,002
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 enseignants0,029
Score d'incertitude au seuil0,209

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0040,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
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 Opus0,059
Tête enseignante GPT0,296
Écart entre enseignants0,237 · 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

Citations5
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetMigration, Health and Trauma→Travaux en français237 207→