Improving Indigenous health equity within the emergency department: a global review of interventions
Notice bibliographique
Résumé
INTRODUCTION: Indigenous health equity interventions situated within emergency care settings remain underexplored, despite their potential to influence patient care satisfaction and empowerment. This study aimed to systematically review and identify Indigenous equity interventions and their outcomes within acute care settings, which can potentially be utilized to improve equity within Canadian healthcare for Indigenous patients. METHODS: A database search was completed of Medline, PubMed, Embase, Google Scholar, Scopus and CINAHL from inception to April 2023. For inclusion in the review, articles were interventional and encompassed program descriptions, evaluations, or theoretical frameworks within acute care settings for Indigenous patients. We evaluated the methodological quality using both the Joanna Briggs Institute checklist and the Ways Tried and True framework. RESULTS: Our literature search generated 122 publications. 11 articles were selected for full-text review, with five included in the final analysis. Two focusing on Canadian First Nations populations and three on Aboriginal Australians. The main intervention strategies included cultural safety training, integration of Indigenous knowledge into care models, optimizing waiting-room environments, and emphasizing sustainable evaluation methodologies. The quality of the interventions was varied, with the most promising studies including Indigenous perspectives and partnerships with local Indigenous organizations. CONCLUSIONS: Acute care settings, serving as the primary point of access to health care for many Indigenous populations, are well-positioned to implement health equity interventions such as cultural safety training, Indigenous knowledge integration, and optimization of waiting room environments, combined with sustainable evaluation methods. Participatory discussions with Indigenous communities are needed to advance this area of research and determine which interventions are relevant and appropriate for their local context.
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 | 0,019 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».