MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404809584 · doi:10.1370/afm.22.s1.6015

Mobilizing COVID-19 Vaccination Partnerships for Newcomer Refugees and Immigrants in the Calgary, Canada

2024· article· en· W4404809584 sur OpenAlexaboutno aff
Fariba Aghajafari, Amanda M. Weightman, Laurent Wall

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisRefugeeGeneral partnershipOutreachPublic relationsPublic healthImmigrationPolitical scienceCommunity engagementContext (archaeology)Government (linguistics)VaccinationQualitative researchMedicineSociologyNursingGeographyVirology

Résumé

récupéré en direct d'OpenAlex

Context: The COVID-19 public health emergency significantly strained public health systems in the Calgary, Canada, area, and hindered vaccination efforts for newcomer refugee and immigrant communities. In response, community-health partnerships emerged in 2021-2022 to provide accessible, culturally responsive, and adapted services for community members. Objective: This qualitative research focuses on community mobilization and partnerships’ role in COVID-19 vaccine delivery for newcomer refugee and immigrants, challenges faced, and lessons learned. Study Design and Analysis: Researchers conducted structured interviews with Government Assisted Refugees (GARs) (n=39), and semistructured interviews with Privately Sponsored Refugees (PSRs) (n=6), private refugee sponsors (n=3), and stakeholders involved in vaccination systems (n=13). Thematic analysis was conducted to draw out themes related to community-based partnerships, strategies and actions of partnerships, alignment of vaccination efforts with the World Health Organization (WHO) recommendations to increase vaccine demand and uptake, and partnership challenges. Results: Partnerships varied in membership, funding, and capacity, and focused on vaccinating diverse communities. Their actions included information translation and transmission, outreach, and advocacy. They also drew on the expertise and relationships of community actors to make inroads in hard-to-reach communities. Partnerships faced challenges, including existing infrastructure and policies for COVID-19 vaccine distribution, which required substantial advocacy to resolve. Conclusions: As public health systems in the Calgary area did not adroitly address community needs during early vaccination drives, this became the catalyst for the community mobilization of COVID-19 vaccinations and ultimately drove community-health partnerships to form. These partnerships achieved high rates of vaccinations for newcomer refugees and immigrants, and empowered partners. This changed the dynamic between partners, health officials, and government officials, and effectively contributed to more equitable decision making within vaccine delivery groups. However, a key concern remains that health system changes which led to more equitable vaccinations for newcomer refugees and immigrants were short-term and COVID-19 specific, limiting community input on broader health service delivery changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,353

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0260,006
Communication savante0,0060,002
Science ouverte0,0020,010
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,077
Tête enseignante GPT0,392
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMigration, Health and Trauma→Travaux en français237 207→