The Relationship Between Bias-Related Victimization and Generalized Anxiety Disorder Among American Indian and Alaska Native Lesbian, Gay, Bisexual, Transgender, Two-Spirit Community Members
Notice bibliographique
Résumé
Lesbian, gay, bisexual, transgender, two-spirit, and American Indian and Alaska Native community members share long histories of discrimination and poorer health status as compared to mainstream Americans. In particular, these groups experience bias-related victimization, a type of discrimination based on inherent traits such as race or ethnicity and sexual orientation. This cross-sectional study (N = 334) used a revised bias-related victimization measure and examined the relationship between self-reported bias-related victimization and generalized anxiety disorder, depression, and substance abuse among lesbian, gay, bisexual, transgender, and two-spirit American Indians and Alaska Natives. The results showed that 84.4% reported experiencing bias-related victimization. Those with the highest levels of bias-related victimization had 2.79 times (p = .009; 95% CI [1.30, 6.02]) the risk of reporting symptoms of generalized anxiety disorder as compared to those with no bias-related victimization, controlling for income, education, sex, age, sexual orientation, and chronic disease. There was no significant relationship between bias-related victimization and major depression or substance dependence/abuse. Our results support a potential relationship between bias-related victimization and generalized anxiety disorder for lesbian, gay, bisexual, transgender, and two-spirit American Indians and Alaska Natives. Including diverse populations in research is essential to a better understanding of the impact on health outcomes. Inclusion of bias-related victimization questions in clinical treatment may help identify at-risk patients.
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 | 0,002 | 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 | 0,004 | 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; 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 ».