Barriers to the use of trained interpreters in consultations with refugees in four resettlement countries: a qualitative analysis using normalisation process theory
Notice bibliographique
Résumé
Background: Increasing numbers of primary care practitioners in refugee resettlement countries are providing care to refugees. Access to trained interpreters is a priority for these practitioners, but there are many barriers to the implementation of interpreted consultations in routine care. There is a lack of international, theoretically informed research. The purpose of this paper is to understand barriers to interpreter use in primary care consultations in four resettlement countries using Normalisation Process Theory. Method: We conducted a cross-sectional online survey with networks of primary care practitioners (PCPs) who care for refugees in Australia, Canada, Ireland and the US (n = 314). We analysed qualitative data from the survey about barriers to interpreter use (n = 178). We completed an inductive thematic analysis, iteratively developed a Normalisation Process Theory (NPT)-informed coding frame and then mapped the emergent findings onto the theory’s construct about enacting interpreted consultations. Results: In all four countries, the use of an interpreter presented communication and interaction challenges between providers and patients, which can impede the goals of primary care consultations. Primary care practitioners did not always have confidence in interpreted consultations and described poor professional practice by some interpreters. There was variation across countries, and inconsistency within countries, in the availability of trained interpreters and funding sources. Conclusion: There are shared and differential barriers to implementation of interpreted consultations in a consistent and sustained way in the four countries studied. These findings can be used to inform country-specific and international level policies and interventions focusing on improving skills and resources for interpreted consultations to improve implementation of interpreted primary care consultations.
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 | 0,022 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».