EXPLORING THE RELATIONSHIP BETWEEN RELIGIOUS SERVICE ATTENDANCE, MENTAL DISORDERS, AND SUICIDALITY AMONG DIFFERENT ETHNIC GROUPS: RESULTS FROM A NATIONALLY REPRESENTATIVE SURVEY
Notice bibliographique
Résumé
BACKGROUND: To date, sufficient data have not been available to examine ethnic differences in religiosity and mental health in the general population. However, evidence exists to suggest that the protective effects of religion may differ across ethnic groups. This study examined the relationship between religious attendance and mental health across ethnic groups. METHODS: The Collaborative Psychiatric Epidemiologic Survey (N = 20,130) is a large, ethnically diverse sample of adult, US respondents. Frequency of attendance at religious services was measured as: at least once per week (reference group), one to three times per month, less than once per month, or less than once per year. Multiple logistic regression analyses examined associations between religious attendance and mood, anxiety and substance use disorders, as well as suicidal ideation and attempts. Models adjusted for sociodemographics and comorbidity. RESULTS: Results differed when performed within each ethnicity. Infrequent religious attendance was associated with substance use disorders in Whites and Africans only (Adjusted Odds Ratio (AOR) = 2.30 [95% CI = 1.77-2.99]; AOR = 1.86 [1.25-2.79], respectively), and with anxiety and suicidal ideation in Whites (AOR = 1.44 [1.10-1.88]; AOR = 1.58 [1.24-2.01]) and Hispanics only (AOR = 2.35 [1.17-4.73]; AOR = 1.70 [1.15-2.52]). Asians were the only group in which religious attendance was associated with mood disorders (AOR = 4.90 [1.54-15.60]). Interaction terms were nonsignificant. CONCLUSIONS: The present study suggests that ethnicity is an important variable to consider in the relationship between religiosity and mental health. Future studies should attempt to either adjust for or stratify by ethnicity when examining these relationships.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».