MétaCan
Menu
Retour à la cohorte
Enregistrement W4413300591 · doi:10.20944/preprints202502.1086.v2

Systemic Racism in Canadian Healthcare: A Policy and Equity Analysis

2025· preprint· en· W4413300591 sur OpenAlexaboutno aff
K.A. Adegoke, Abimbola Adegoke, Deborah Dawodu, Temitope Kayode

Notice bibliographique

RevuePreprints.org · 2025
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRacismEquity (law)Health careHealth equityHealthcare policyBusinessPolitical scienceEconomicsHealth policyEconomic growthHealth care reformLaw

Résumé

récupéré en direct d'OpenAlex

Background: In Canadian healthcare, systemic racism subverts the commitment to universal coverage by building inequities into the system of governance, regulation, and clinical practice. While racial disparities have been documented, little attention has been paid to how institutional structures perpetuate these inequities. Objective: This paper critically examined the organizational aspects of racism in the Canadian healthcare system. It aims to identify structural obstacles faced by racialized patients and foreign-trained physicians, and to provide policy recommendations grounded in evidence. Methods: A narrative review framework is used for qualitative document analysis. Public inquiries (e.g., Truth and Reconciliation Commission, Viens Report), government audits (e.g., PHAC, CHRC), case files (e.g., Brian Sinclair, Joyce Echaquan, and Dr. Akinbiyi), and peer-reviewed publications between 2000 and 2024 were the sources of the data. Thematic coding occurred across four areas: (1) institutional discrimination, (2) licensing and workforce exclusion, (3) patient and cultural safety, and (4) accountability gaps. Results: The review found continuing institutional disregard for Indigenous and Black patients, and the disparities were most marked in emergency and maternal services. Internationally educated doctors are confronted with opaque and delayed credentialing procedures that can solidify workforce disparities. Case examples demonstrate how system failings, such as disregarding patient suffering, ignoring cultural requirements, and lacking effective oversight, cause harm. It is a recurring pattern that recommended action is not taken following a review, suggesting organizational resistance to change . Discussion: Canadian systemic racism in healthcare occurs through omissions (failure to act on reform) and commissions (institutional exclusion). To tackle this, it is to entrench antiracism in legislation, make cultural safety training a requirement, collect race-disaggregated data, and transform licensing routes. Conclusion: Universal healthcare is not equitable unless it eliminates systemic racism. Systemic changes that recalibrate healthcare governance according to the values of antiracism and equity are necessary to provide safe and inclusive care.

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)0,019
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,607
Score d'incertitude au seuil0,704

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,033
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,018
Études des sciences et des technologies0,0270,010
Communication savante0,0120,003
Science ouverte0,0030,006
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,204
Tête enseignante GPT0,537
Écart entre enseignants0,333 · 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'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetGlobal Health Workforce IssuesTravaux en français237 207