Assessing the Intersectionality of Risk Factors and Health Disparities in Canadian COVID-19 Vaccine Allocation
Notice bibliographique
Résumé
Due to the COVID-19 global pandemic, the Canadian government initiated multiple mitigation strategies, including the distribution of vaccines to prevent severe disease and hospitalization. Using the Public Health Agency of Canada’s (PHAC’s) Health Equity Approach, we analyze the COVID-19 vaccine campaign in Canada while accounting for frontline healthcare workers, those at higher risk due to preexisting health conditions, older adults, and equity-deserving communities. Equity-deserving communities are defined as groups that experience inequity in healthcare, including First Nations, Inuit, Métis, urban Indigenous (FNIMUI), Black, immigrant, and low socioeconomic status populations. Through evaluation of factors influencing health as depicted by the Health Equity Approach, risk factors such as occupational risks, lack of education, or limitation in access to health resources were identified to contribute to disproportionate COVID-19 infection among these groups. By analyzing past Canadian public health choices in vaccination using the Health Equity Approach, evidence of the disproportionate impacts of COVID-19 suggests the need for generating research-based decisions in improving vaccinations among underserved communities. Knowing that these communities possess a more considerable risk of infection, improving current protocols regarding vaccine accessibility, language barriers, sick leave, and appointment booking is necessary. Conducting qualitative evaluations on the inequities faced by equity-deserving communities can help identify disparities in vaccine prioritization, instigating improvements in resource accessibility when preparing for future variants or pandemics in Canada. Evaluating current partnerships using the Health Equity Approach highlights the need to strengthen collaboration with underserved populations and impose federally regulated policies. By assessing the COVID-19 vaccine campaign in Canada we recommend that future public health campaigns improve program implementation to eliminate disparities in vaccination and infection for underserved communities.
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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».