Notice bibliographique
Résumé
This study examined the relationship between race and mental health among Canadian adults. The purpose was to assess how social organization contributes to the racial distribution of mental health. The study defined mental health as a multi-dimensional construct that includes negative, positive, and subjective facets. The empirical analysis compared East Asians, South Asians, Blacks, Aboriginals, and mixed race persons to Whites on major depression, psychological distress, psychological well-being, and self-rated mental health. Separate comparisons were made for women and men because the relationship between race and mental health could be conditional on gender. Using individual-level data from the Canadian Community Health Survey (CCHS) 1.2 and aggregate data from the 2001 Canadian Census, the study hypothesized that racial differences in mental health could reflect differences in stress exposure, socioeconomic status, social embeddedness, and neighborhood environment. The main assumption was that higher stress exposure, economic hardship, social isolation, and neighborhood disadvantage could compromise the mental health of racial minorities. The study also examined whether social support and coping behaviors protected racial minorities from these health-damaging effects. The findings do not present a straightforward or a consistent set of conclusions. Although there is a good rational to believe that racial minorities should have worse mental health than Whites, this is not always or even mostly the case. Only Aboriginal women have a consistent disadvantage. For the most part, racial minorities have similar mental health as Whites, and even have an advantage in a few instances. Since the analysis covered the negative, positive, and subjective dimensions of mental health, it provides robust evidence to support this conclusion. However, the findings also demonstrate that low socioeconomic status and insufficient social resources can indeed have health-damaging effects. These factors explain some of the observed disadvantages in mental health that racial minorities experience or suppress an advantage among them.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».