MétaCan
Menu
Retour à la cohorte
Enregistrement W4409188756 · doi:10.1016/j.socscimed.2025.118026

Navigating healthcare during the pandemic: Experiences of racialized immigrants and racialized non-immigrants in Ontario's Peel Region

2025· article· en· W4409188756 sur OpenAlexafffundabout
Andrea Rishworth, Kathi Wilson, Matthew Adams, Tracey Galloway

Notice bibliographique

RevueSocial Science & Medicine · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensGeneral Electric (Canada)
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésImmigrationPandemicHealth careSociologyCoronavirus disease 2019 (COVID-19)Gender studiesPolitical scienceMedicineDisease

Résumé

récupéré en direct d'OpenAlex

While public health policies implemented during COVID-19, such as prioritizing essential health services and "no visitor" strategies, were important to treat COVID-19 patients and curb disease outbreaks, their potential negative effects on the health of the general population is a growing concern. Research highlights that these policy changes contributed to a near-universal decline in access to all healthcare services and triggered increased morbidity and mortality rates. However, little is known about how health policy changes differentially shaped healthcare access within and between population groups and regions. Few studies qualitatively examine the indirect effects of policy changes on healthcare access among groups disproportionately impacted by COVID-19. This article examines how COVID-19 health policy changes impacted racialized immigrant and racialized non-immigrants' ability to connect with a provider, navigate telehealth and in-person healthcare, and access specialized healthcare in the Peel Region of Ontario, Canada. Using a Client Centered Framework, findings from in-depth interviews (n = 79) reveal that policy changes generated new (in)abilities for individuals to perceive, seek, reach, pay and engage in healthcare services. Health policy changes created new barriers to reach healthcare, compounding health challenges. While telehealth opened more effective avenues to access healthcare among some people, it created new disparities for individuals with limited English language skills and/or for those experiencing technological inequities. Although individuals recognized their need for specialized healthcare, the prioritization of essential services, gaps in health insurance coverage, and new COVID-19 economic inequities created barriers to specialized healthcare. We close with a discussion of the impacts for policy and practice.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,089
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0210,007
Communication savante0,0030,001
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,047
Tête enseignante GPT0,458
Écart entre enseignants0,411 · 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'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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocial Science & MedicineMême sujetGlobal Health Workforce IssuesTravaux en français237 207