Mental Health Symptoms among Rural-to-Urban Migrants in China: A Comparison with Their Urban and Rural Counterparts
Notice bibliographique
Résumé
OBJECTIVE: To examine the mental health symptoms among rural-to-urban migrants in China, in comparison with representative samples of their counterparts in the rural areas from where they emigrated and urban communities to which they immigrated. METHODS: A cross-sectional survey conducted in 2004-2005 in China. Both rural-to-urban migrants (n=1006) and urban residents (n=1000) were recruited in Beijing; the rural resident sample (n=1020) was recruited from the eight provinces of origin for 75% of the migrant sample. Mental health symptoms were measured using the Symptom Checklist-90 (SCL-90). RESULTS: Both rural-to-urban migrants and rural residents scored higher than urban residents in all the SCL-90 global indices and subscales. The rural-to-urban migrants scored higher than rural residents on the SCL-90 Positive Symptom Distress Index and two subscales (depression and psychoticism). The difference remained significant after controlling for a number of key individual characteristics (age, gender, marital status, education, income and perceived general health) in the multivariate model. CONCLUSIONS: The data in the current study demonstrate that rural-to-urban migrants suffer from lower mental health status than both urban residents in the immigrating communities and their rural counterparts in the emigrating communities. The data suggest a possible deteriorative effect of migratory experience on mental health status among rural-to-urban migrants in China and suggest an urgent need for etiological studies and for mental health promotion and prevention efforts among this growing population.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».