Assessing the longitudinal course of depression and economic integration of south‐east Asian refugees: an application of latent growth curve analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper has both methodological and substantive application for mental-health researchers. Methodologically, it presents the latent growth curve (LGC) technique within a structural equation modelling (SEM) framework as a powerful tool to analyse change in depressive symptoms and potential correlates of such changes. The rationale for LGC analysis and subsequent elaboration of this statistical approach are presented. The limitations of traditional analytical methods are also addressed. Substantively, the paper considers socio-contextual factors as correlates of change in symptoms, and examines the dynamic systematic relationship with the degree of economic integration of south-east Asian immigrants in Canada over time. Using the LGC technique, this study also investigated how the longitudinal course of subclinical depression places individuals at risk for developing full-blown major depression. The LGC results provided strong evidence for the reciprocal influence between economic integration and subclinical depression of immigrants. The initial level of economic integration negatively influenced the rate of change in subclinical depression whereas the initial level of subclinical depression negatively influenced the rate of change in economic integration. Both initial level and the rate of change in subclinical depression placed individuals at risk for full-blown major depression. However, traditional auto-regressive models were not capable of revealing these dynamic associations. Thus, an investigation of within-individual change in symptoms and potential correlates of such changes is necessary to understand the process that results in full-blown mental disorder.
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.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle