Delayed Access to Medical Care and Psychological Distress among Chinese Immigrants in Canada during the Pandemic
Notice bibliographique
Résumé
The psychological impact of medical care accessibility during the pandemic has been widely studied, but little attention has been given to Asian immigrants in Canada. This study aimed to fill this literature gap by using a cross-sectional survey, which aimed to evaluate the impact of the COVID-19 pandemic on Chinese immigrants in North America during the second wave of the pandemic. The study focused on Chinese immigrants aged 16 or older in Canada. Covariates included sociodemographic variables, delayed access to medical care (i.e., treatment or health assessment), and other COVID-19 related variables. We used logistic LASSO regression for model selection and multivariate logistic regression models to evaluate the association between delayed access to treatment/health assessment and psychological distress outcome, as measured by the COVID-19 Peritraumatic Distress Index (CPDI). Missing data were handled using multiple imputation. Our study included 746 respondents, with 47.18% in the normal CPDI group and 36.82% in the mild-to-severe CPDI group. Most respondents were originally from Mainland China and residing in Ontario. Over half have stayed in Canada for at least 15 years. The multivariate logistic regression models identified significant risk predictors of psychological distress status: delayed access to medical care (OR = 1.362, 95% CI: 1.078–1.720, p = 0.0095), fear of COVID-19 (OR = 1.604, 95% CI: 1.293–1.989, p < 0.0001), and social loneliness (OR = 1.408, 95%CI: 1.314–1.508, p < 0.0001). Sociodemographic variables and other COVID-19-related variates did not significantly impact the study’s outcome. Our findings shed light on the importance of timely medical care access to psychological well-being among Chinese Canadians. Reliable health information, mental health support, and virtual care tailored to immigrants should be considered to mitigate this impact and promote their overall health and well-being.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».