Social Determinants of Health and Barriers in Accessing Eye Care for Refugees in the Greater Toronto Area
Notice bibliographique
Résumé
Purpose: To evaluate ocular health status, vision-related quality of life, and access to eye care services among a multi-ethnic refugee population in the Greater Toronto Area (GTA). Methods: Participants completed a structured survey capturing demographic, medical, and vision-related data. Descriptive statistics were employed to summarize and interpret the responses. Canadian population data were sourced from Statistics Canada and National Vision Health Reports. Participants were recruited during ophthalmic screening outreach visits at four refugee housing sites in the GTA, and were eligible if they were adults or mature minors residing in refugee homes after arriving in Canada as refugees or asylum seekers between October 2022 and October 2024. Proportions were converted to estimated counts for comparison, and harmonized categorical variables were analyzed using Pearson's Chi-Square or Fisher's Exact Test. Bivariate and multivariate logistic regression models were then used to assess associations between demographic, clinical, and psychosocial factors and two outcomes: difficulty coping with life due to vision and history of barriers to eye care. Results: Among 94 refugee participants (mean age 46.5 years; 41% female), rates of recent eye exams (19.1%) and prescription glasses use (51.1%) were significantly lower than in the Canadian population (74.5% and 81.0%, respectively; p<0.0001). Over half (55.3%) were dissatisfied with their vision, and financial barriers (50%) were the most reported obstacle to care. Prior abuse was associated with greater odds of encountering barriers (OR=7.65, p=0.005), while dissatisfaction with vision (OR=0.11, p=0.025) and interference with daily activities (OR=233.0, p<0.0001) strongly predicted difficulty coping. Conclusion: Refugees face significant vision-related health disparities. Interventions should address access, government benefits, education, and psychosocial supports.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».