T123. RISK FACTORS FOR PSYCHOTIC DISORDERS WITHIN MIGRANT GROUPS IN CANADA
Notice bibliographique
Résumé
Abstract Background Although there is a large evidence base suggesting elevated rates of psychotic disorder for some migrant groups, relative to the non-migrant host population, less is known about factors that modify the risk of psychosis within migrant groups. Our objective was to assess whether pre-migration, migration-related, and post-migration factors were associated with an elevated risk of psychotic disorder among first-generation migrants in Ontario, Canada. Methods Using linked population-based health administrative data, we constructed a retrospective cohort of first-generation migrants to Ontario over a 20-year period between 1992 and 2012. We identified first onset non-affective psychotic disorders using a validated algorithm. Pre-migration factors included sex, country of origin, education, occupation, marital status, and language. Migration-related factors included age at migration, year of migration, duration of residence, and migrant class. Post-migration factors included rural place of residence and neighbourhood-level indicators of marginalization. We used Poisson regression models to compute incidence rate ratios for each pre-migration, migration-related, and post-migration factor to assess its magnitude of effect on the risk of developing psychosis, relative to migrants who did not develop psychotic disorder. Results Our cohort included over two million first-generation migrants over the 20-year period. Preliminary findings suggest that males, refugees, and people who set up residence in urban centres have higher rates of psychotic disorder, and people who are older at the time of migration and those who set up residence in high-income areas have lower rates of psychotic disorder. Full results for pre-migration, migration-related, and post-migration risk factors will be presented. Discussion Migrant status is one of few well-established risk factors for psychotic disorder, yet we have limited understanding of the underlying etiology. The findings from this study help to identify high-risk groups to target for intervention. Improving our understanding of key risk factors for psychotic disorders within migrant groups is crucial for informing prevention and early intervention efforts.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 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) | 0,005 | 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 ».