Lived Experiences of Iranian Immigrants with Long Covid in Canada: An Interpretive Description Approach
Notice bibliographique
Résumé
Long COVID (LC) remains an evolving global health challenge, presenting persistent and varied symptoms that particularly affect marginalized populations. This thesis examines the lived experiences of Iranian immigrants in Canada suffering from LC, exploring how they navigate the condition and what their healthcare experiences reveal about systemic challenges. To gain insight into these experiences, I recruited twenty Iranian immigrants with LC through purposive and snowball sampling via Telegram groups. I utilized an Interpretive Description (ID) methodology, employing semi-structured interviews that provided a detailed look into participants’ daily struggles. A thematic analysis revealed several recurring issues. Through a rigorous analytical process, I found five themes: embodied disruptions and symptom unpredictability, systemic barriers and healthcare navigation, emotional and existential distress, economic and workplace insecurity, cultural integration and healing pathways. Findings underscore systemic healthcare shortcomings, emphasizing the urgent need for more culturally attuned, interdisciplinary approaches. Language barriers and cultural stigma emerged as additional obstacles, yet many participants demonstrated resilience, drawing on community ties and personal coping strategies. This research contributes to the growing body of knowledge on LC by amplifying the voices of Iranian immigrants. It underscores the need for culturally competent, interdisciplinary approaches to care and provides actionable insights for policymakers, healthcare providers, and immigrant health services. By foregrounding lived experience, the study advances understanding of LC within immigrant context and advocates for a more equitable healthcare system.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,023 | 0,012 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».