Examining factors impacting acceptance of COVID-19 countermeasures among structurally marginalised Canadians
Notice bibliographique
Résumé
The COVID-19 pandemic highlighted and exacerbated inequities in health for structurally marginalised Canadians. Their location on society's hierarchies constrained their ability to access healthcare and follow recommended health behaviours. The aim of this article is to identify, from the perspective of marginalised populations, factors influencing the acceptance or rejection of COVID-19 countermeasures by structurally marginalised Canadians. Interviews were conducted with Canadians 18 + who identified as Black (n = 8), First Nations, Métis, or Inuit (n = 7) and low-income (<40,000 annual household income) (n = 8) between August and December 2021. Measures were said to impact well-being and interfere with revenue generating activities. Longstanding unfavourable living and environmental conditions as they relate to structural marginalisation was said to fuel anger toward the government and lead to a greater reluctance to accept countermeasures. Participants described concerns about government decisions being made without considering their unique contexts, or knowledge of the experiences of the population for whom these decisions were being made. Effective proactive action from government is important to foster trust with marginalised populations to support acceptance of health information and address growing inequities. Action that demonstrates government competence and commitment to the interests of marginalised populations is critical.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».