Racial Discrimination, Cultural Resilience, and Stress
Notice bibliographique
Résumé
OBJECTIVE: Racial discrimination is a social determinant of health for First Nations people. Cultural resilience has been regarded as a potentially positive resource for social outcomes. Using a compensatory model of resilience, this study sought to determine if cultural resilience (compensatory factor) neutralized or offset the detrimental effect of racial discrimination (social risk factor) on stress (outcome). METHODS: Data were collected from October 2012 to February 2013 (N = 340) from adult members of the Kettle and Stony Point First Nation community in Ontario, Canada. The outcome was perceived stress; risk factor, racial discrimination; and compensatory factor, cultural resilience. Control variables included individual (education, sociability) and family (marital status, socioeconomic status) resilience resources and demographics (age and gender). The model was tested using sequential regression. RESULTS: The risk factor, racial discrimination, increased stress across steps of the sequential model, while cultural resilience had an opposite modest effect on stress levels. In the final model with all variables, age and gender were significant, with the former having a negative effect on stress and women reporting higher levels of stress than males. Education, marital status, and socioeconomic status (household income) were not significant in the model. The model had R(2) = 0.21 and adjusted R(2) = 0.18 and semipartial correlation (squared) of 0.04 and 0.01 for racial discrimination and cultural resilience, respectively. CONCLUSIONS: In this study, cultural resilience compensated for the detrimental effect of racial discrimination on stress in a modest manner. These findings may support the development of programs and services fostering First Nations culture, pending further study.
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 | 0,005 | 0,001 |
| 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 ».