MétaCan
Menu
← Retour à la cohorte
Enregistrement W6922030244 · doi:10.11575/prism/49467

Models of COVID-19 Vaccine Delivery for Refugees.

2023· other· en· W6922030244 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2023
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefugeeThematic analysisVaccinationPublic healthQualitative researchSnowball samplingMainstreamService delivery framework

Résumé

récupéré en direct d'OpenAlex

Background: We explored the experiences of new refugees in Calgary, across different COVID-19 vaccine delivery models. The purpose was to understand the barriers and strengths of each model to support access to COVID-19 vaccination for refugees. Method/Approach: We used a mixed method approach that included secondary vaccination data of refugees and primary interviews. A database of refugee COVID-19 vaccinations was used to inform findings and a thematic analysis was conducted on qualitative data. Qualitative data was collected with settlement and healthcare organizations stakeholders (N=13), refugee sponsors (N=3) and refugees (N=45). Interview participants were identified through purposive and snowball sampling. Results: The COVID-19 models of vaccine delivery for refugees, included: mobile vaccine clinics, temporary based community clinics, on-site vaccination clinics in refugee processing hotels, mainstream vaccination clinics and pharmacies. Models of vaccination delivery were not static. They evolved as a result of contextual factors, such as refugee needs, shifts in demographics, changes in public health policy and funding mandates. As a result, the impact on refugee health also evolved. Most models provided services in a culturally responsive manner and served newcomers. Models created positive and culturally safe contexts through partnerships where barriers were mitigated, and patients could access vaccinations. Partnerships provided health navigators, outreach, translation, built trust and helped models form new partnerships to address the emerging needs of patients. Conclusion: Public health systems can adapt through partnerships and provide culturally responsive ways delivering vaccines. This has implications for the approach to health care service delivery for specialized populations.

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)0,008
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,085

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,007
Communication savante0,0070,003
Science ouverte0,0020,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,379
Écart entre enseignants0,285 · 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'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→