MétaCan
Menu
Retour à la cohorte
Enregistrement W4414888459 · doi:10.2196/73974

The Experience and Impact of Digital Technologies on Indigenous Populations in New Zealand During the COVID-19 Pandemic and Cyclone Gabrielle: The Kaupapa Māori Methodology

2025· article· en· W4414888459 sur OpenAlexvenueno aff
Dianne Wepa, S Thomas, Md Shafiqur Rahman Jabin

Notice bibliographique

RevueJMIR Aging · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensnon disponible
Organismes subventionnairesLinnéuniversitetet
Mots-clésIndigenousPandemicHealth careCoronavirus disease 2019 (COVID-19)Cyclone (programming language)Traditional knowledge

Résumé

récupéré en direct d'OpenAlex

Background: Pandemics, such as COVID-19, and climate change-related catastrophic weather events are increasing, impacting social connectedness within communities by disrupting social cohesion, increasing loneliness, and affecting mental health and social well-being. Digital technology, in addition to being used for communication, education, and business transactions, also plays a vital role in maintaining a country's health and well-being, as well as sustaining economic growth. Objective: This study aimed to explore the experiences of Māori kaumātua in using digital technology to meet their health needs within Ngāti Kahungunu, North Island, New Zealand, during the COVID-19 pandemic and Cyclone Gabrielle. Methods: This qualitative study employed the Kaupapa Māori methodology to understand the challenges, resilience, and approaches used by Māori to maintain connectedness and access essential services. An inductive approach to thematic analysis, as recommended by Braun and Clarke, was used to ensure a thorough and robust data analysis. The user characteristic was assessed on a semantic level using the information provided in the narrative text. Results: The findings highlight the role of digital technology in disaster management and underscore the urgent need to address digital disparities in support of vulnerable populations. In this study, 14 individuals were interviewed, comprising 71% (n=10) women and 29% (n=4) men. These participants fell into different age groups, with 9 participants being 65 years or older (older adults). Of the total participants, 43% (n=6) were limited users, 43% (n=6) comprised confident users, and the rest (n=2; 14%) were normal users. A total of 6 themes emerged from the interview data: social connectedness and resilience, digital literacy and access to information, barriers to telecommunications and digital technology, cultural appropriateness and psychological barriers, perceived threats of feeling insecure, and impact on mental health and emotional well-being. Conclusions: Vulnerable situations such as pandemics and extreme weather events can have tremendous effects on the lives of Indigenous people who live remotely. The study also focused on the actions that should be taken to mitigate these challenges and overcome difficult circumstances, such as the pandemic and the cyclone. The recommendations include a better health care system and improved coordination among care providers, user-friendly digital solutions, ensuring local funding and community services, establishing training processes for basic digital skills, and fostering leadership and partnerships with Indigenous New Zealanders.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,296

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,116
Tête enseignante GPT0,466
Écart entre enseignants0,350 · 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'étudeObservationnel
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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR AgingMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207