Soigner les réfugiés et les nouveaux arrivants à l’ère post-COVID-19
Bibliographic record
Abstract
OBJECTIF: Guider les cliniciens qui travaillent dans divers milieux cliniques de soins primaires quant aux façons de prodiguer des soins et du soutien efficaces aux réfugiés et aux nouveaux arrivants, durant et après la pandémie de la maladie à coronavirus 2019 (COVID-19). SOURCES D'INFORMATION: L'approche décrite intègre les recommandations tirées de guides de pratique clinique fondés sur des données probantes portant sur la santé des réfugiés et la COVID-19, de leçons concrètes apprises de cliniciens du Réseau canadien sur la santé des réfugiés (Canadian Refugee Health Network) qui travaillent dans divers milieux de soins primaires, ainsi que de contributions de personnes ayant vécu l'expérience d'une migration forcée. MESSAGE PRINCIPAL: La pandémie de la COVID-19 a amplifié les iniquités sociales et de santé pour les réfugiés, les demandeurs d'asile, les migrants sans papiers, les travailleurs transitoires de l'étranger et d'autres nouveaux arrivants. Les réfugiés et les nouveaux arrivants sont confrontés à des risques d'exposition en première ligne, à des problèmes d'accès aux tests de dépistage de la COVID-19, à l'exacerbation des préoccupations liées à la santé mentale, et aux difficultés d'accéder aux soins de santé et aux services sociaux et d'établissement. Les lignes directrices existantes sur les soins cliniques aux réfugiés sont utiles, mais des stratégies créatives au cas par cas doivent être utilisées pour surmonter les obstacles additionnels dans le contexte de la COVID-19 et des nouveaux environnements de soins, comme la nécessité d'une traduction simultanée virtuelle et d'habiletés en littératie numérique. Les cliniciens peuvent lutter contre les iniquités et plaider en faveur de meilleurs services en collaboration avec des partenaires communautaires. CONCLUSION: La pandémie de la COVID-19 amplifie les iniquités structurelles. Les réfugiés et les nouveaux arrivants nécessitent et méritent des soins de santé et du soutien efficaces durant ces moments éprouvants. Cet article présente des approches pratiques et les priorités en matière de défense des droits pour offrir des soins dans le contexte de la COVID-19.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".