Income inequality within urban settings and depressive symptoms among adolescents
Notice bibliographique
Résumé
BACKGROUND: Although recent evidence has shown that area-level income inequality is related to increased risk for depression among adults, few studies have tested this association among adolescents. METHODS: We analysed the cross-sectional data from a sample of 1878 adolescents living in 38 neighbourhoods participating in the 2008 Boston Youth Survey. Using multilevel linear regression modelling, we: (1) estimated the association between neighbourhood income inequality and depressive symptoms, (2) tested for cross-level interactions between sex and neighbourhood income inequality and (3) examined neighbourhood social cohesion as a mediator of the relationship between income inequality and depressive symptoms. RESULTS: The association between neighbourhood income inequality and depressive symptoms varied significantly by sex, with girls in higher income inequality neighbourhood reporting higher depressive symptom scores, but not boys. Among girls, a unit increase in Gini Z-score was associated with more depressive symptoms (β=0.38, 95% CI 0.28 to 0.47, p=0.01) adjusting for nativity, neighbourhood income, social cohesion, crime and social disorder. There was no evidence that the association between income inequality and depressive symptoms was due to neighbourhood-level differences in social cohesion. CONCLUSIONS: The distribution of incomes within an urban area adversely affects adolescent girls' mental health; future work is needed to understand why, as well as to examine in greater depth the potential consequences of inequality for males, which may have been difficult to detect here.
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 | 0,033 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».