Ethnic density of regions and psychiatric disorders among ethnic minority individuals
Notice bibliographique
Résumé
BACKGROUND: Ethnic minorities form an increasingly large proportion of Canada's population. Living in areas of greater ethnic density may help protect mental health among ethnic minorities through psychosocial pathways such as accessibility to culturally appropriate provision of mental health care, less discrimination and a greater sense of belonging. Mood and anxiety disorders are common psychiatric disorders. AIM: This study examined whether ethnic density of regions was related to mood and anxiety disorders among ethnic minorities in Canada. METHOD: Responses by ethnic minority individuals to the 2011-2014 administrations of the Canadian Community Health Survey ( n = 33,201) were linked to health region ethnic density data. Multilevel logistic regression was employed to model the odds of having mood and/or anxiety disorders associated with increasing region-level ethnic density and to examine whether sense of community belonging helped explain variance in such associations. Analyses were adjusted for individual-level demographic factors as well as region-level socio-economic factors. RESULTS: Higher ethnic density related to lower odds of mood and/or anxiety disorders for Canadian-born (but not foreign-born) ethnic minorities. Sense of community belonging did not help explain such associations, but independently related to lower odds of mood and/or anxiety disorders. These findings remained after adjusting for regional population density and after excluding (rural/remote) regions of very low ethnic density. CONCLUSION: Ethnic density of regions in Canada may be an important protective factor against mental illness among Canadian-born ethnic minorities. It is important to better understand how, and for which specific ethno-cultural groups, ethnic density may influence mental health.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».