MétaCan
Menu
Retour à la cohorte
Enregistrement W4392711495 · doi:10.1186/s13690-024-01255-y

An exploration of COVID-19 vaccination models for newcomer refugees and immigrants in Calgary, Canada

2024· article· en· W4392711495 sur OpenAlexafffundabout
Fariba Aghajafari, Laurent Wall, Amanda M. Weightman, Alyssa Ness, Deidre Lake, Krishna Anupindi, Gayatri Moorthi, Bryan Kuk, Maria Santana, Annalee Coakley

Notice bibliographique

RevueArchives of Public Health · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensAlberta Medical AssociationDomtar (Canada)University of Calgary
Organismes subventionnairesCollege of Family Physicians of Canada
Mots-clésRefugeeVaccinationImmigrationThematic analysisContext (archaeology)MedicinePandemicGovernment (linguistics)Political scienceCoronavirus disease 2019 (COVID-19)Qualitative researchSociologyGeographyImmunologyInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The World Health Organization stresses the need for tailored COVID-19 models of vaccination to meet the needs of diverse populations and ultimately reach high rates of vaccination. However, little evidence exists on how COVID-19 models of vaccination operated in the novel context of the pandemic, how vulnerable populations, such as refugees, experience COVID-19 vaccination systems in high-income countries, and what lessons may be learned from vaccination efforts with vulnerable populations. To address this gap, this study explored COVID-19 vaccine delivery models available to newcomer refugees and immigrants, and refugee experiences across different COVID-19 vaccine delivery models in Calgary, Canada, and surrounding area in 2021 and 2022, to understand the barriers, strengths, and strategies of models to support access to COVID-19 vaccination for newcomer refugees and immigrants. METHODS: Researchers conducted structured interviews with Government Assisted Refugees (n = 39), and semi-structured interviews with Privately Sponsored Refugees (n = 6), private refugee sponsors (n = 3), and stakeholders involved in vaccination systems (n = 13) in 2022. Thematic analysis was conducted to draw out themes related to barriers, strengths, and strategies of vaccine delivery models and the intersections with patient experiences. RESULTS: Newcomer refugee and immigrant focused vaccination models and strategies were explored. They demonstrated how partnerships between organizations, multi-pronged approaches, and culturally responsive services were crucial to navigate ongoing and emergent factors, such as vaccine hesitancy, mandates, and other determinants of under-vaccination. Many vaccination models presented through interviews were not specific to refugees and included immigrants, temporary residents, ethnocultural community members, and other vulnerable populations in their design. CONCLUSIONS: Increasing COVID-19 vaccine uptake for newcomer refugees and immigrants, is complex and requires trust, ongoing information provision, and local partnerships to address ongoing and emerging factors. Three key policy implications were drawn. First, findings demonstrated the need for flexible funding to offer outreach, translation, cultural interpretation, and to meet the basic needs of patients prior to engaging in vaccinations. Second, the research showed that embedding culturally responsive strategies within services ensures community needs are met. Finally, collaborating with partners that reflect the diverse needs of communities is crucial for the success of any health efforts serving newcomers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,459
Score d'incertitude au seuil0,463

Scores Codex et Gemma par catégorie

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

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 Opus0,109
Tête enseignante GPT0,409
Écart entre enseignants0,300 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations7
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueArchives of Public HealthMême sujetMigration, Health and TraumaTravaux en français237 207