Chronic pain experiences of immigrant Indian women in Canada: A photovoice exploration
Notice bibliographique
Résumé
Background: Over the past two decades, the prevalence of chronic pain has significantly increased globally, with approximately 20% of the world's population living with pain. Although quantitative measures are useful in identifying pain prevalence and severity, qualitative methods, and especially arts-based ones, are now receiving attention as a valuable means to understand lived experiences of pain. Photovoice is one such method that utilizes individuals' own photography to document their lived experiences. Aims: The current study utilized an arts-based method to explore immigrant Indian women's chronic pain experiences in Canada and aimed to enhance the understanding of those experiences by creating a visual opportunity for them to share their stories. Methods: Twelve immigrant Indian women captured photographs and participated in one-on-one interviews exploring daily experiences of chronic pain. Results: Women's photographs, and description of these photographs, provided a visual entry into their lives and pain experiences. Three themes emerged from our analysis: (1) bodies in pain, (2) traversing spaces including immigration, and (3) pain management methods. Findings revealed that women's representations of pain were shaped by a clash between culturally shaped gender role expectations and changing gender norms due to immigration processes. The use of photovoice visually contextualized and represented pain experiences, proving to be a valuable tool for self-reflection. Conclusions: This research uncovers the multifaceted nature of chronic pain and identifies the influence of immigration, gender, and social relations on the exacerbation of pain in immigrant Indian women.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».