COVID-19 Challenges, Health, and Wellness of the Little India Community in Canada
Notice bibliographique
Résumé
Brampton is a Canadian city in Ontario’s Greater Toronto Area. It is called the little India Community in Canada. Of the 250 different ethnic origins reported, Indian was the most frequent accounting for 26.2% of Brampton’s population. The COVID-19 pandemic has impacted many communities in Brampton in different ways. However, it has had a disproportionate impact on the city’s racialized communities as many essential workers originate from these communities. This article looks into how COVID-19 has impacted the Indian (South Asian) community in Brampton. It identifies various impacts and reasons for the community’s overexposure, and finally proposes recommendations that are tailored to this community to help them address the causes and impacts. This article also discusses how structural barriers that the Indian community faces play a role in their overexposure to COVID-19. Primarily these barriers force them to work in jobs that were deemed essential during the pandemic. The community’s living situation of multi-generational households also complicates their ability to self-isolate. This article also discusses culturally sensitive services, especially when it comes to information about prevention, transmission control, and vaccination. This article identifies key themes related to the prevalence of COVID-19 in the South Asian community and the lasting impacts of COVID-19 on the South Asian community.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,022 | 0,007 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».