A Collaborative Approach to Caring for Refugees in the COVID-19 Pandemic
Notice bibliographique
Résumé
With higher cases rates, it is clear that newcomer and refugee populations in Ontario have been disproportionately affected by the COVID-19 pandemic. These vulnerable populations generally work in settings that increase their risk of infection and do not offer sick leave (ICES, 2021). In addition, overcrowded and multigenerational housing make it difficult for these individuals to adhere to self-isolation guidelines. Language and cultural barriers among refugee populations have also limited their access to information about the virus, making it challenging to follow public health measures (ICES, 2021).\nThe increased likelihood of an outbreak in these communities manifested itself in London, Ontario. In the summer of 2020, London’s Yazidi refugee population encountered an outbreak of COVID-19. The Middlesex-London Health Unit, London InterCommunity Health Centre, the Cross-Cultural Learner Centre, and other organizations collaborated to control the spread in this population. Their careful efforts to support the community during the outbreak response demonstrate the importance of integrated, culturally safe, and sensitive care.\nThis research project originated from a request made by the community, which has developed a strong partnership with Dr. Lloy Wylie and her research team. By interviewing health care providers, peer support workers, and city officials involved in the response, we explore the integrated and culturally sensitive approach to the Yazidi outbreak. The goal is to understand the barriers and facilitators to coordinating an effective and timely response amid a public health emergency.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».