Official language proficiency and self-reported health among immigrants to Canada.
Notice bibliographique
Résumé
BACKGROUND: New immigrants to Canada initially report better health than does the Canadian-born population. With time, this "healthy immigrant effect" appears to diminish. Limited ability to speak English or French has been identified as a possible factor in poor health. This analysis explored the relationship between self-reported official language proficiency and transitions to poor self-reported health. DATA AND METHODS: Statistics Canada's Longitudinal Survey of Immigrants to Canada tracked a sample of the 2001 immigrant cohort for four years (6, 24 and 48 months after arrival). Data from each of the three survey waves were available for 7,716 respondents. Bivariate and multivariate analysis were used to examine associations between official language proficiency and self-reported health, by sex, controlling for selected pre-migration and post-migration factors. The prevalence of poor health among immigrants was compared with rates among the Canadian-born population, based on data from the Canadian Community Health Survey. RESULTS: Among a representative sample of recent immigrants, the prevalence of poor self-reported health had risen substantially, especially among women, after four years in Canada. Prolonged limited official language proficiency was strongly associated with a transition to poor health among male and female immigrants who had earlier reported good health. Other factors significantly associated with an increase in the prevalence of poor self-reported health differed by sex. Refugee status, self-reported discrimination, and living in Vancouver were significant for men. Age, health care access problems, and limited friendliness of neighbours were significant for women.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».