Examining the Emergency Department Care Experiences of Equity-Deserving Groups Using an Intersectional Lens
Notice bibliographique
Résumé
Introduction: Equity-deserving groups (EDGs) face societal barriers, including healthcare barriers within the emergency department (ED), due to discrimination. Most patient-care experience research considers only a single-axis perspective, neglecting multifaceted impacts of discrimination, or intersectionality. Methods: Detailed is a secondary analysis of a mixed-methods, cross-sectional study conducted at the Kingston Health Sciences Centre (KHSC) between June and August 2021. A quantitative analysis was conducted to identify differences between participants who did not identify as equity-deserving (controls), and those who identified with 1, 2, or 3 EDGs, respectively. The research team conducted thematic analysis on the shared micronarratives to contextualize the quantitative results. The research team also held focus groups with community partners that served EDGs to gain their insights on study findings and add their perspectives to the captured themes. Results: Comparing 1973 individuals belonging to none, 1, 2, or 3 EDGs revealed significant differences in patient-perceived attention to their needs ( P < .001), patient-control in health care decision-making ( P = .001), and whether quality medical care or experiencing kindness/respect was more important ( P = .003). Three themes were identified: stigma and discrimination, lack of patient-centered care, and need for improved patient-provider communication. Conclusion: The study’s findings contribute to a sparse body of evidence on EDG-care experiences in the ED through an intersectionality lens. Future research efforts should evaluate the complex interactions of specific EDG memberships to improve care experiences.
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 | 0,005 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».