Why do some physicians choose to tackle inequities in healthcare?
Notice bibliographique
Résumé
Abstract Background Despite the reputation of Canada’s healthcare system as being accessible to all Canadians, certain populations continue to face inequities within our healthcare system. In addition to promoting fairness, addressing healthcare inequities has the potential to reduce healthcare costs, which is increasingly important as healthcare costs continue to rise. Intentionally or otherwise, physicians are often leaders in healthcare teams, but there is a paucity of literature on physicians’ perceptions of the problem of healthcare inequities and their potential role in addressing inequities. In this pilot study, we use a grounded theory approach to explore contextual factors and mechanisms that associate with an individual physician’s involvement (or otherwise) in initiatives to reduce healthcare inequity. Methods Using purposeful sampling and a set of a priori questions, we interviewed ten physicians – five of whom self-identified as being actively involved and five not actively involved in addressing healthcare inequities – to explore potential reasons for physicians choosing to address the causes of healthcare inequities. Results We identified contextual barriers (e.g., lack of knowledge and time) and facilitators (prior experience, protected time, mentorship and system supports) that we interpreted as interacting with the underlying mechanism (motivation to address inequities) to influence a physician’s decision on whether or not to address healthcare inequities. Conclusion Based upon our findings we propose further studies to understand and/or overcome barriers to physicians being involved in addressing healthcare inequities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».