MétaCan
Menu
Retour à la cohorte
Enregistrement W4406705880 · doi:10.5334/aogh.4583

Building Responsive Intersectoral Initiatives for Newcomers in Toronto: Learning from Service Providers’ Experiences in the Context of COVID‑19

2025· article· en· W4406705880 sur OpenAlexafffundabout
Carly Jackson, Shinjini Mondal, Erica Di Ruggiero, Lara Gautier

Notice bibliographique

RevueAnnals of Global Health · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensUniversité de MontréalCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalPublic Health OntarioUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCoronavirus disease 2019 (COVID-19)Context (archaeology)Service provider2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Service (business)Public relationsBusinessMedicinePolitical scienceGeographyVirologyMarketing

Résumé

récupéré en direct d'OpenAlex

Background: Newcomer populations in urban centers experienced an exacerbated effect of coronavirus disease 2019 (COVID‑19) due to their precarious living and working conditions. Addressing their needs requires holistic care provisioning, including psychosocial support, assistance to address food security, and educational and employment assistance. Intersectoral collaboration between the public and the community sector can reduce vulnerabilities experienced by these groups. Objective(s): This research explores how community and public sectors collaborated on intersectoral initiatives during the COVID‑19 pandemic to support refugees, asylum seekers, and migrants without status in Toronto, Ontario, Canada to generate lessons for a sustainable response. Methods: The research uses a participatory governance approach to study multiple qualitative cases (with a case being an intersectoral initiative). We conducted interviews (n = 25) with community and public sector frontline workers and managers, as well as municipal/regional/provincial policymakers and funders. The data were analyzed thematically with an inductive approach. Findings: The analysis covers four key themes: (1) vulnerable newcomers’ circumstances regarding accessing the social determinants of health during COVID‑19; (2) the process of designing specific interventions to target these populations’ needs and service access challenges in the context of COVID‑19; (3) the implementation phase of the initiatives, including any associated challenges and lessons learned; and finally, (4) long‑term potential sustainability of the initiatives. Conclusions: The findings demonstrate that intersectoral initiatives can be implemented to develop a responsive service for marginalized populations; however, their translation beyond pandemic settings would require institutional mechanisms to bring policy shifts to provide a bottom‑up collaborative approach.

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)0,001
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 enseignants0,138
Score d'incertitude au seuil0,701

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,102
Tête enseignante GPT0,490
Écart entre enseignants0,388 · 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

Citations4
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAnnals of Global HealthMême sujetMigration, Health and TraumaTravaux en français237 207