Understanding Burdens and Barriers to Dermatological Management, and Potential for Virtual Care in Northern and Rural Canadian Indigenous Communities: A National Healthcare Practitioner Cross-Sectional Survey Analysis
Notice bibliographique
Résumé
Northern and rural Canadian Indigenous communities (NRCIC) are well known to face health disparities, yet many remain formally not documented, including dermatologic challenges. We performed a mixed methods cross-sectional national survey of healthcare practitioners (HCPs) (n=50; mostly dermatologists, general practitioners, nurses, and pediatricians) to better understand the current NRCIC dermatology status and care needs, barriers to accessing dermatology and impacts of the COVID-19 pandemic, facilitators and barriers to virtual care, and practitioner recommendations. Most HCP participants identified NRCIC as underserviced in dermatologic care. HCPs reported atopic dermatitis and bacterial skin infections among the most common conditions, and consistently raised concerns for disproportionately severe and inadequately managed disease compared to urban populations. Barriers to accessing dermatology care in NRCIC broadly encompassed proximity to care, long wait times, inadequate supply and access to therapies, impractical and burdensome skin care regimens, socioeconomic and implementation barriers, transportation challenges, and cultural barriers. Although the COVID-19 pandemic helped establish virtual care for NRCIC to mitigate access-to-care issues, participants identified travel and cost-effectiveness barriers, concerns for poor infrastructure to sustain virtual care, inadequate photo quality, and lack of in-person care as persistent and growing problems. As future solutions, HCPs recommended increasing in-person dermatologist visits to remote communities, increasing educational dermatology care programs for rural HCPs, increasing use of virtual care to these communities, stimulating assistance (eg. coordinators) to facilitate care, and further cultural safety training. Future research addressing NRCIC, including direct input from community members, may help bridge dermatologic care gaps and improve health equity.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».