Equitable and Empowered Access to Primary Care: Challenges faced by Immigrant Nigerian Women in Canada.
Notice bibliographique
Résumé
Background: Statistics Canada’s 2021 Census reported that 19.5% of recent African immigration (January 2016 to May 2021) to Canada comprised of Nigerian immigrants. Despite the country’s unique tribes and cultures, Nigerians are often lumped in with other nations when studying health patterns amongst African immigrants. As more immigrants settle in Canada, understanding the unique challenges they face accessing primary healthcare will help address their needs. A sample of Nigerian immigrant women were interviewed through focus group discussions to understand their experiences and challenges accessing Canada’s primary healthcare. Method: Using a community-based participatory design, eight focus groups were conducted among 41 first-generation Nigerian immigrant women on Zoom. The focus groups were conducted and transcribed in English. A thematic analysis following Braun and Clarke’s (2006) guideline was then performed to identify emerging themes and patterns. Results: The focus group discussions noted five major themes, following the socioecological model. Intrapersonal level barriers revealed financial pressures due to un/employment and past traumas with physicians. Interpersonal level barriers included difficulties communicating with physicians and dismissal of their health concerns. Institutional level barriers included wait times for primary and emergency services, unavailable female physicians, and limited cultural competency from providers. Community level barriers included religious and cultural stigmas towards mental and sexual healthcare, and policy level barriers revealed extreme costs of prescriptions, dental, and vision care. Conclusion: Nigerian immigrant women are a unique group as they do not report many language barriers due to speaking English back home, which differs from studies conducted on other immigrants. However, they experience many barriers and their large presence in Canada necessitates an awareness of their health needs in local, provincial, and federal health 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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».