Factors Influencing Attitudes Towards Seeking Professional Help Among East and Southeast Asian Immigrant and Refugee Women
Notice bibliographique
Résumé
BACKGROUND AND AIMS: It has been recognized that Asian immigrants in North America have lower rates of mental health service utilization. From the perspective of cross-cultural psychiatry, one of the most important cultural factors may be differences in the explanatory model of illness. This article examines the relationship of causal beliefs, perceived service accessibility and attitudes towards seeking mental health care. METHOD: The sample consisted of 1000 immigrant and refugee women from five ethnic minority communities in Toronto, including three Chinese Canadian communities (Hong Kong, mainland China and Taiwan), Korean Canadians and Vietnamese Canadians. Data were acquired by a self-administered structured questionnaire. Quantitative data were analysed using MANOVA, ANOVA and stepwise multiple regression. RESULTS: The five ethnic minority groups of women differed in their explanatory models about mental illness and distress. In the full model where other variables were controlled for, the most significant factor predicting attitudes towards seeking professional help was perceived access for all groups except the Hong Kong Chinese. In the last group, those subscribing more to a Western stress model of illness had a more positive attitude towards seeking professional help, while those subscribing more to supernatural beliefs had a more negative attitude. Age and education were not significant predictors. CONCLUSION: Perceived access is one of the main factors that influence attitudes toward seeking professional help. Explanatory models may predict help-seeking behaviours if perceived access to such services is available.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».