“And who would question God?”: Patient engagement and healthcare decision-making of South-Asian older adults in the Canadian healthcare system
Notice bibliographique
Résumé
Abstract With the increase in ethnocultural diversity in the Canadian demographic landscape, it is imperative for healthcare providers and policy makers to understand the needs and preferences of racialized immigrant older adults. Previous research has shown that to increase patient satisfaction with care and lower treatment costs it is important to effectively involve patients in their care. However, we currently lack the understanding of how racialized immigrant older adults want to engage as patients, the factors that influence their involvement in their own care, and who they want involved in the decisions surrounding their care. To address this gap in the literature specifically for the South Asian community, one of Canada’s largest and fastest growing populations, our study aimed to understand South Asian older adults’ experiences with and approaches to patient engagement and shared decision-making. We conducted in-depth individual and dyadic interviews (n=28) in six languages, utilizing a multilingual cross-cultural qualitative approach. Our findings highlight the nuances of language and how miscommunication can arise even when patients and providers are conversing in the same language. Our study also found that patient engagement and shared decision-making, including the desire for family involvement, is heavily influenced by both culture and gender. Additionally, perceptions of patients regarding the status of physicians can have a notable influence on patient engagement, leading to an increased tendency for patients to agree with the physicians’ approach to care. These findings suggest that effective engagement between providers and patients require a tailored approach that extends beyond white-centric approaches to decision-making and communication.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».