MétaCan
Menu
Retour à la cohorte
Enregistrement W4405858237 · doi:10.1080/15332640.2024.2446734

De-essentializing racial pain: Stories of Filipino health care workers

2024· article· en· W4405858237 sur OpenAlexaffabout
Rose Ann Torres, Valerie G. Damasco, Dionisio Nyaga

Notice bibliographique

RevueJournal of Ethnicity in Substance Abuse · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensAlgoma UniversityTrent University
Organismes subventionnairesnon disponible
Mots-clésHealth careMental healthStressorQualitative researchPandemicNursingMedicineSocial supportPsychologyCoronavirus disease 2019 (COVID-19)PsychiatryDiseaseSociologySocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

This article focuses on findings of a qualitative research study that looked at experiences of Filipino healthcare workers in Canada during the COVID-19 pandemic. The purpose is to contribute to the growing body of literature on mental health among racialized frontline healthcare workers in Canada by investigating factors that affect mental health and barriers associated with accessing services and supports among Filipino healthcare workers in Ontario, Canada. The study employed a cross-sectional qualitative descriptive design to identify strategies that Filipino frontline healthcare workers use to effectively cope with mental health issues, work stress, and structural and economic barriers to their well-being. The study conducted in-depth semi-structured and open-ended interviews with 15 female Filipino healthcare workers. Findings indicate that social support received from colleagues, managers, families, and friends, through forms of assistance and protection, are crucial for dealing with various mental health stressors in the workplace during healthcare crises. Participants indicated that adequate social support help frontline healthcare professionals effectively manage stressful events, including the COVID-19 pandemic.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,115
Score d'incertitude au seuil0,529

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 GPT0,434
Écart entre enseignants0,374 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Ethnicity in Substance AbuseMême sujetEmployment and Welfare StudiesTravaux en français237 207