The Intersectional Discrimination Index: Development and validation of measures of self-reported enacted and anticipated discrimination for intercategorical analysis
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Although intersectional approaches have gained traction in population health research, quantitative discrimination and health studies have tended to focus on a single axis of discrimination (e.g., racism, homophobia). As few discrimination measures function across multiple social identities or positions, we developed the Intersectional Discrimination Index (InDI) for intercategorical intersectionality research, including measures of Anticipated (InDI-A), Day-to-Day (InDI-D), and Major (InDI-M) discrimination that do not require attribution to particular grounds. METHODS: We conducted a validity and reliability study with 2016 online survey panel data from Canada and the United States (n = 2583). Internal consistency and dimensionality of the InDI-A were evaluated with exploratory and confirmatory factor analyses. Construct validation included known-groups comparisons, associations with psychological distress, and convergence with existing discrimination measures. Test-retest reliability was examined in a subgroup (n = 150). RESULTS: We found support for use of the InDI-A as a unidimensional scale. As hypothesized, racial and sexual/gender minorities reported higher frequencies of all discrimination types (all p < 0.001), and discrimination varied across intersectional categories. Each InDI component was significantly positively associated with psychological distress after controlling for potential confounders. Frequency scores were strongly positively correlated with existing scales. Intraclass correlation coefficients for test-retest reliability of anticipated, lifetime day-to-day, and lifetime major discrimination ranged from 0.70 to 0.72. CONCLUSIONS: Final InDI measures include the 9-item InDI-A, 9-item InDI-D, and 13-item InDI-M, for which we have found initial evidence of construct validity and reliability. In combination with sociodemographic information, the InDI measures can be used to evaluate the role of discrimination as a mediator of intersectional health inequalities, and to monitor the prevalence and impacts of discrimination in heterogeneous populations.
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 | 0,007 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».