MétaCan
Menu
← Retour à la cohorte
Enregistrement W6959964700 · doi:10.11575/prism/39522

Assessing the Experiences of Immigrants Receiving Primary Care during COVID-19: A mixed-methods study

2022· other· en· W6959964700 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2022
Typeother
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic diversity and population structure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisImmigrationSocioeconomic statusHealth careLogistic regressionDescriptive statisticsPrimary careQualitative researchPrimary health care

Résumé

récupéré en direct d'OpenAlex

Background: The entire healthcare system, including primary healthcare (PHC) services, has been disrupted since the onset of the COVID-19 pandemic. As the crisis threatens all citizens significantly, further barriers to accessing care exist for those who are most vulnerable, experience marginalization, and have pre-existing challenges. We aimed to explore immigrants’ lived experiences in accessing and receiving PHC services during the pandemic. Methods: A multiphase mixed-methods study using a sequential explanatory design was employed. The first study includes a systematic review that synthesizes the evidence on the experiences that immigrant patients have receiving PHC. Study two provides insights from a recently employed “COVID-19 Experiences and Impacts Survey” data and compares the experiences of Albertans that were born in and outside Canada. Descriptive statistics and multivariable logistic regression were performed, using STATA. The third study is a qualitative inquiry that aims to gain a deeper understanding of the newcomers’ (living in Canada ≤5 years) and providers’ experiences in PHC during the pandemic. A thematic analysis was applied, using NVivo software. Results: The literature review revealed four major concerns affecting healthcare experiences of immigrant patients: 1) cultural and linguistic difference; 2) socioeconomic challenges; 3) health system factors; and 4) patient-provider relationship. The quantitative analysis of survey data (N=10,175) showed Canadian-born respondents were more likely to report worsening mental health during the pandemic, as well as higher levels of perceived stress, anxiety, or depression compared to non-Canadian-born survey respondents. In addition, Canadian-born respondents were more likely to prefer virtual healthcare compared to those respondents born outside Canada. Both cohorts reported that delayed care during the pandemic negatively impacted their health, and similar percentages in each cohort reported hesitancy getting the COVID-19 Vaccine. The qualitative inquiry included 23 interviews (15 newcomers, 8 providers) and revealed three aspects driving newcomers’ and healthcare providers’ experiences: overall experiences (doctor-patient relationship, care coordination, expectation on care), virtual care experience (accessibility, communication), challenges in accessing and receiving healthcare (language/cultural difference, care accessibility, health system literacy, competing priorities). Conclusion: This thesis presents a comprehensive exploration and description of immigrants’ lived experiences in accessing and receiving PHC during the pandemic. Immigrants reported many challenges in accessing and receiving PHC, and these challenges have been increased since the COVID-19 pandemic. The results of this thesis yielded six recommendations that can inform PHC quality improvement initiatives and PHC policy.

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)0,014
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,015
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,002
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,032
Tête enseignante GPT0,379
Écart entre enseignants0,348 · 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'étudeQualitatif
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetGenetic diversity and population structure→Travaux en français237 207→