Language interpretation and translation in emergency care: A scoping review protocol
Notice bibliographique
Résumé
INTRODUCTION: Patients with preferred languages other than English face barriers to communication and access to appropriate care in English-speaking emergency care systems, leading to poorer communication and quality of care, as well as increased rates of investigations and healthcare utilization. While professional interpretation can help bridge this gap, uptake is exceedingly poor, suggesting the need for enhanced implementation and more accessible modalities. Our study will map the existing literature on interpretation/translation in emergency care, with a focus on the breadth of modalities, barriers/facilitators to implementation, and effectiveness/implementation outcomes. METHODS: We will conduct a scoping review based on the Joanna Briggs Institute methodology. We will search MEDLINE, Embase, PsycINFO, CINAHL, Scopus, iPortal, Native Health Database and Cochrane Library CENTRAL for articles from inception to May 2024 without any language or country restrictions. Primary research articles involving interpretation/translation between English and a non-English language during emergency healthcare encounters will be included. Screening and data extraction will be completed by two independent team members. Results will be descriptively summarized and barriers/facilitators to implementation will be mapped according to the Consolidated Framework for Implementation Research. STAKEHOLDER ENGAGEMENT & KNOWLEDGE TRANSLATION: Results will be disseminated at academic conferences and published in a peer-reviewed journal. We will share our key findings via a graphical abstract and social media campaign. Our team includes our provincial health authority interpretation services lead who brings lived experience and will inform and validate our results and help identify future areas of needed research. They will also help us identify key messages and appropriate methods for dissemination to maximize knowledge translation to patients/families, local policy/clinical practice, as well as funding agencies.
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 | 0,157 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,007 |
| Méta-épidémiologie (sens large) | 0,015 | 0,013 |
| Bibliométrie | 0,023 | 0,021 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,010 | 0,012 |
| Science ouverte | 0,008 | 0,009 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,021 |
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 ».