From struggle to strength in African and Middle Eastern newcomers’ integration stories to Canada: A participatory health equity research study
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Newcomers (immigrants, refugees, and international students) face many personal, gender, cultural, environmental and health system barriers when integrating into a new society. These struggles can affect their health and social care, reducing access to mental health care. This study explores the lived experiences of African and Middle Eastern newcomers to Ontario, Canada. An understanding of newcomer integration challenges, successes and social justice issues is needed to improve health equity and social services. METHODS: In this qualitative study, we used a participatory research approach to collect stories reflecting participants' integration perspectives and experiences. Beginning with our immigrant community network, we used snowball sampling to recruit newcomers, ages 18 to 30, originating from Africa or the Middle East. We used qualitative narrative analysis to interpret stories, identifying context themes, integrating related barriers and facilitators, and resolutions and learnings. We shared our findings and sought final feedback from our participants. FINDINGS: A total of 18 newcomers, 78% female and approximately half post-secondary students, participated in the study. Participants described an unknown and intimidating migration context, with periods of loneliness and isolation aggravated by cold winter conditions and unfamiliar language and culture. Amidst the struggles, the support of friends and family, along with engaging in schoolwork, exploring new learning opportunities, and participating in community services, all facilitated integration and forged new resilience. CONCLUSIONS: Community building, friendships, and local services emerged as key elements for future immigrant service research. Utilizing a participatory health research approach allowed us to respond to the call for social justice-oriented research that helps to generate scientific knowledge for promoting culturally adaptive health care and access for marginalized populations.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,050 | 0,013 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».