Depression-level symptoms among Syrian refugees: findings from a Canadian longitudinal study
Notice bibliographique
Résumé
Background Canada launched the Syrian Refugee Resettlement Initiative in 2015 and resettled over 40,000 refugees.Aim To evaluate the prevalence of depression-level symptoms at baseline and one year post-resettlement and analyze its predictors.Methods Data come from the Syrian Refugee Integration and Long-term Health Outcomes in Canada study (SyRIA.lth) involving 1924 Syrian refugees recruited through a variety of community-based strategies. Data were collected using structured interviews in 2017 and 2018. Depression symptoms were measured using Patient Health Questionnaire 9 (PHQ-9). Analysis for associated factors was executed using multinomial logistic regression.Results Mean age was 38.5 years (SD 13.8). Sample included 49% males and 51% females settled in Ontario (48%), Quebec (36%) and British Columbia (16%). Over 74% always needed an interpreter, and only 23% were in employment. Prevalence of depression-level symptoms was 15% at baseline and 18% in year-2 (p < 0.001). Significant predictors of depression-level symptoms at year-2 were baseline depression, sponsorship program, province, poor language skills, lack of satisfaction with housing conditions and with health services, lower perceived control, lower perceived social support and longer stay in Canada.Conclusion Increase in depression-level symptoms deserves attention through focusing on identified predictors particularly baseline depression scores, social support, perceived control and language ability.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».