A scoping review of intersectional health research related to the COVID-19 pandemic in North America: key findings
Notice bibliographique
Résumé
BACKGROUND: This scoping review maps the key findings of intersectional research related to the COVID-19 pandemic in North America. Intersectional approaches highlight how overlapping systems of oppression shape health and social outcomes. METHODS: A total of 21 studies were included, comprising 10 quantitative, 8 qualitative, and 3 mixed-methods designs. Studies were reviewed to assess the use of intersectional research methods and to identify common findings across the literature. RESULTS: Intersectional research methods are increasingly utilized in pandemic-related studies in North America. Thematic analysis revealed five key themes: deepening disparities in health care systems, barriers to accessing social services, changes to working conditions across economic sectors, impacts of lockdown restrictions, and impacts on mental health. This review also found that interruptions to community connections influenced access to resources, shaping life chances for some populations. Importantly, intersectional research related to the pandemic has often decentralized race, which contrasts with broader non-intersectional studies. CONCLUSIONS: Findings underscore the need for public health policies informed by intersectional frameworks. Inequities related to class, race, and gender highlight the importance of disaggregated data collection as standard practice. Targeted interventions, such as workplace protections for racialized women in precarious jobs, are critical to addressing compounded vulnerabilities and ensuring equity in pandemic responses.
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 | 0,016 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,024 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».