MétaCan
Menu
Retour à la cohorte
Enregistrement W4404311801 · doi:10.1186/s12889-024-20636-0

Anti-Black racism in Canadian health care: a qualitative study of diverse perceptions of racism and racial discrimination among Black adults in Montreal, Quebec

2024· article· en· W4404311801 sur OpenAlexafffundabout
Khandideh K A Williams, Shamara Baidoobonso, Aïsha Lofters, Jeannie Haggerty, Isabelle Leblanc, Alayne M. Adams

Notice bibliographique

RevueBMC Public Health · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRacial and Ethnic Identity Research
Établissements canadiensWomen's College HospitalUniversity of TorontoDalhousie UniversityMcGill UniversitySt Mary's Hospital CentreMcGill University Health Centre
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchMcGill University
Mots-clésRacismSnowball samplingQualitative researchMedicineHealth careIntersectionalityPublic healthGender studiesSociologyNursingPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Racism has been shown to impact the health of Black persons through its influence on health care, including its expression through implicit biases in provider training, attitudes, and behaviours. Less is known about the experiences of racism in contexts outside of the USA, and how race and racism interact with other social locations and systems of discrimination to shape Black patients' experiences of racism in health care encounters. To help address this gap, this study examined diverse Black individuals' perceived experiences of, and attitudes towards, anti-Black racism and racial discrimination in Canadian health care, specifically in Montreal, Quebec. METHODS: This descriptive qualitative study adopted a social constructionist approach. Employing purposive maximal variation and snowball sampling strategies, eligible study participants were: self-identified Black persons aged 18 years and older who lived in Montreal during the COVID-19 pandemic, who could speak English or French, and who were registered with the Quebec medical insurance program. In-depth interviews were conducted, and a Framework Analysis approach guided the systematic exploration and interpretation of data using an intersectionality lens. RESULTS: We interviewed 32 participants, the majority of whom were women (59%), university educated (69%), and modestly comfortable financially (41%), but diverse in terms of age (22 to 79 years), country of origin, and self-defined ethnicity. We identified five major themes demonstrating substantial variations in perceived racism in health care that are influenced by unique social locations such as gender identity, age, and immigration history: (1) no perceptions of racism in health care, (2) ambiguous perceptions of racism in health care, (3) perceptions of overt interpersonal racism in health care, (4) perceptions of covert interpersonal racism in health care (including the downplaying of health concerns, stereotyping, and racial microaggressions), and (5) perceptions of systemic racism in health care. CONCLUSIONS: Perceptions of anti-Black racism and racial discrimination in Canadian health care are complex and may include intra-racial group differences. This study begins to address the dearth of empirical research documenting experiences of anti-Black racism in health care in Quebec, highlighting a continued need for serious consideration of the ways in which racism may manifest in the province, as well as a need for anti-racist advocacy. Advancing racial health equity requires greater sensitivity from providers and decision makers to variations in Black patients' health care experiences, towards ensuring that they have access to high quality and equitable health care services.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,425
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,061
Tête enseignante GPT0,436
Écart entre enseignants0,375 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations10
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetRacial and Ethnic Identity ResearchTravaux en français237 207