1 Motivation, Justification, Normalization: Talk Strategies Used by Canadian Medical Tourists Regarding Their Choices to Go Abroad for Hip and Knee Surgeries
Notice bibliographique
Résumé
Contributing to health geography scholarship on the topic, the objective of this paper is to reveal Canadian medical tourists ’ perspectives regarding their choices to seek knee replacement or hip replacement or resurfacing (KRHRR) at medical tourism facilities abroad rather than domestically. We address this objective by examining the ‘talk strategies ’ used by these patients in discussing their choices and the ways in which such talk is co-constructed by others. Fourteen interviews were conducted with Canadians aged 42-77 who had gone abroad for KRHRR. Three types of talk strategies emerged through thematic analysis of their narratives: motivation, justification, and normalization talk. Motivation talk referenced participants ’ desires to maintain or resume physical activity, employment, and participation in daily life. Justification talk emerged when participants described how limitations in the domestic system drove them abroad. Finally, being a medical tourist was talked about as being normal on several bases. Among other findings, the use of these three talk strategies in patients ’ narratives surrounding medical tourism for KRHRR offers new insight into the language-health-place interconnection. Specifically, they reveal the complex ways in which medical tourists use talk strategies to assert the soundness of their choice to shift the site of their own medical care on a global scale while also anticipating, if not even guarding against, criticism of what ultimately is their own patient mobility. These talk strategies provide valuable insight into why international patients are opting to engage in the spatially explicit practice of medical tourism and who and what are informing their choices. Keywords:
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,017 |
| Communication savante | 0,008 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».