MétaCan
Menu
Retour à la cohorte
Enregistrement W3012516581 · doi:10.1016/j.ssmph.2020.100571

Human rights in countries of origin and the mental health of migrants to Canada

2020· article· en· W3012516581 sur OpenAlexafffundabout
Marie-Pier Joly, Blair Wheaton

Notice bibliographique

RevueSSM - Population Health · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchGeorg-August-Universität GöttingenDeutsche Forschungsgemeinschaft
Mots-clésHuman rightsMental healthContext (archaeology)StressorMetropolitan areaDemographic economicsPsychologyPolitical scienceGeographyEconomicsPsychiatryLaw

Résumé

récupéré en direct d'OpenAlex

This study explores the effect of human rights violations in countries of origin on migrants' mental health, using archival data on human rights violations from 1970-2011, merged to a representative probability sample of 2412 adults living in a large Canadian metropolitan area. The context of exit is defined at the country level, as opposed to self-reported individual experiences of trauma. While most studies start from a question about direct exposure to human rights violations, they may miss the effect of the national-level social context - threat, instability, disruption of lives, and uncertainty - on mental health. Findings indicate that high levels of human rights violations in countries of origin have long-term effects on migrants' mental health. The impact of human rights violations is substantially explained by the combined effect of stressors both before and after migration, suggesting a cumulative process of stress proliferation following this context of exit.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,421
Score d'incertitude au seuil0,275

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,365
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSSM - Population HealthMême sujetMigration, Health and TraumaTravaux en français237 207