‘Where is the diversity in this facility?’ Experiences of emergency care among visible minority individuals in Kingston, Ontario
Notice bibliographique
Résumé
INTRODUCTION: Visible minorities, a growing segment of Canada's population, have voiced concerns about experiencing racism while receiving care in the emergency department (ED). Understanding the ED care experiences of visible minorities is crucial to improving care and reducing health disparities. METHODS: From June to August 2021, we collected data from participants in Kingston, Ontario using a sensemaking approach. Individuals who had accessed emergency care or accompanied someone else to the ED in the prior 24 months were eligible to participate. After sharing a brief narrative about their care experience, participants interpreted the experience by plotting their perspectives on a variety of pre-determined questions. Here, we conducted a thematic analysis of narratives involving patients who identified as visible minorities and complemented it with quantitative analysis of the participants' interpretative responses. This mixed-methods approach highlighted the distinct experiences of visible minority participants in relation to a comparison group. RESULTS: Of the 1973 unique participants, 117 identified as a visible minority and 949 participants did not identify with an equity-deserving group (comparison group). Visible minority participants were more likely to report that too little attention was paid to their identity and more likely to express a desire for a balance between receiving the best medical care and being treated with kindness and respect. Visible minorities' ED experiences were also more likely to be impacted by how emergency staff behaved. Qualitative analysis revealed negative experiences of feeling uninformed and disempowered, facing judgement and discrimination, and experiencing language barriers. Positive experiences of receiving compassionate care from staff also emerged. CONCLUSION: Visible minority perceptions of ED care were often negative and mainly focused on staff treatment. Cultural competency and language translation services are key areas for improvement to make ED care more accessible and equitable.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».