MétaCan
Menu
Retour à la cohorte
Enregistrement W4401001077 · doi:10.3389/femer.2024.1397597

“I feel like I don't matter because of my status as a person”— A mixed-methods, cross-sectional study of emergency department care experiences among equity-deserving groups in Ontario, Canada

2024· article· en· W4401001077 sur OpenAlexaffabout
Melanie Walker, Meredith MacKenzie Greenle, Stuart L. Douglas, Amanda Collier, Jodie Pritchard, Sharleen Hoffe, Patrick A. Norman, Eva Purkey, David Messenger, Susan A. Bartels

Notice bibliographique

RevueFrontiers in Disaster and Emergency Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensKingston Health Sciences CentreQueen's University
Organismes subventionnairesnon disponible
Mots-clésEmergency departmentPsychological interventionThematic analysisHealth careMental healthEquity (law)MedicinePsychologyFamily medicineGerontologyQualitative researchNursingPsychiatrySociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Background Equity-deserving groups (EDGs) have increased emergency department (ED) use, and often report negative ED care. Past studies have largely been qualitative and suffer from methodological bias and lack of comparison groups, thereby limiting their identification of interventions to ensure equitable care among equity-deserving populations. This study sought to better understand ED care experiences among EDGs in our local setting. Materials and methods We conducted a community-engaged, mixed-methods cross-sectional study using sensemaking methodology at the Kingston Health Sciences Centre's ED and Urgent Care Centre (Ontario, Canada), as well as at community partner organizations. From June-August 2021, eligible participants were invited to complete a survey about an ED care experience within the previous 24 months. Multiple-choice questions collected demographic/ED visit information including self-identification with up to three EDGs (Indigenous; having a disability; experiencing mental health concerns; persons who use substances (PWUS); 2SLGBTQ+; people who experience homelessness (PWEH); a visible minority; or having experienced violence). We evaluated differences in overall ED care experiences by EDG self-identification using chi-squared tests. Quantitative analysis of survey questions disaggregated by EDG status, and a thematic analysis of participant experiences are presented. Results Overall, 1,973 unique participants completed the survey (949 controls and 994 EDGs) sharing 2,114 ED care experiences in total. Participants who identified as PWUS, having mental health concerns, 2SLGBTQ+, PWEH, or having a disability, reported more negative overall experiences ( p < 0.001). Compared with controls, each of the eight EDGs were statistically more likely to report feelings of judgement/disrespect, that there was too little attention paid to their needs ( p < 0.001), and that it was more important to be treated with kindness/respect than to receive the best possible care ( p < 0.001). Thematic analysis supported quantitative findings and identified four themes: stigma/judgement, poor staff communication, lack of compassionate care , and patients feeling unsupported . Discussion Negative ED care experiences were pervasive among EDGs including feelings of judgement/stigma and a perception that a better understanding of personal situation/identity/culture was needed to improve care. Qualitative findings identified the following future interventions: universal trauma-informed care, improved care for addiction/substance use, and improved access to mental health care resources.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,171
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0040,000

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 Opus0,029
Tête enseignante GPT0,353
Écart entre enseignants0,324 · 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.

Devis d'étudeObservationnel
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

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Disaster and Emergency MedicineMême sujetEmergency and Acute Care StudiesTravaux en français237 207