Psychiatric Morbidity in Indigenous Peoples From Australia and the Americas: Unexpected Findings From a Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Indigenous populations are often considered at high risk of psychiatric disorder, but many studies do not include direct comparisons with the general population. Objectives: To undertake a meta-analysis of studies comparing the prevalence rates of psychiatric disorders in Indigenous populations in the Americas and Australia with those of other groups. Method: A systematic search of MEDLINE, PsycInfo, EMBASE and article bibliographies. We included empirical quantitative comparisons of the 12-month or lifetime prevalence of any psychiatric disorder in Indigenous and non-Indigenous populations. Findings: We found 17 studies (n = 72,419) from Australia, Latin America, Canada and the United States. Indigenous people were at greater risk of concurrent posttraumatic stress disorder (odds ratio [OR] = 1.62; 95% confidence interval [CI] = 1.20, 2.1), alcohol use disorders (OR = 1.93; 95% CI = 1.50, 2.48) and substance use (OR = 2.02; 95% CI = 1.40, 2.93). However, there were no differences between Indigenous and non-Indigenous groups in the prevalence of a range of depressive and anxiety disorders. In some studies, Indigenous rates were lower. The results did not vary greatly by continent or setting (e.g. urban/rural). There were no differences in the lifetime prevalence rates of any disorders. Conclusions: The reasons for these results are unclear. One explanation might be that assessment tools may not accurately measure psychiatric symptoms in Indigenous populations. Future research therefore must ensure that diagnostic instruments are validated for use with Indigenous people. Another possibility might be that risk factors for psychiatric illness are a complex interaction of educational, economic and socio-cultural factors that may vary from disorder to disorder. Interventions need to take into account that disadvantage is rarely due to one factor.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,026 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».