Ethno-cultural disparities in mental health during the COVID-19 pandemic: a cross-sectional study on the impact of exposure to the virus and COVID-19-related discrimination and stigma on mental health across ethno-cultural groups in Quebec (Canada)
Notice bibliographique
Résumé
BACKGROUND: Although social and structural inequalities associated with COVID-19 have been documented since the start of the pandemic, few studies have explored the association between pandemic-specific risk factors and the mental health of minority populations. AIMS: We investigated the association of exposure to the virus, COVID-19-related discrimination and stigma with mental health during the COVID-19 pandemic, in a culturally diverse sample of adults in Quebec (Canada). METHOD: A total of 3273 residents of the province of Quebec (49% aged 18-39 years, 57% women, 51% belonging to a minority ethno-cultural group) completed an online survey. We used linear and ordinal logistic regression to identify the relationship between COVID-19 experiences and mental health, and the moderating role of ethno-cultural identity. RESULTS: Mental health varied significantly based on socioeconomic status and ethno-cultural group, with those with lower incomes and Arab participants reporting higher psychological distress. Exposure to the virus, COVID-19-related discrimination, and stigma were associated with poorer mental health. Associations with mental health varied across ethno-cultural groups, with exposed and discriminated Black participants reporting higher mental distress. CONCLUSIONS: Findings indicate sociocultural inequalities in mental health related to COVID-19 in the Canadian context. COVID-19-related risk factors, including exposure, discrimination and stigma, jeopardise mental health. This burden is most noteworthy for the Black community. There is an urgent need for public health authorities and health professionals to advocate against the discrimination of racialised minorities, and ensure that mental health services are accessible and culturally sensitive during and in the aftermath of the pandemic.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».