Police harassment and psychosocial vulnerability, distress, and depressive symptoms among black men who have sex with men in the U.S.: Longitudinal analysis of HPTN 061
Notice bibliographique
Résumé
The mental health impact of exposure to police harassment is understudied, particularly among Black men who have sex with men (BMSM), a group at elevated risk of exposure to such discrimination. This study aimed to identify the associations among BMSM between recent police harassment and psychosocial vulnerability, psychological distress, and depression measured six months later. Data come from the HIV Prevention Trials Network (HPTN) 061 Study, a cohort study of BMSM recruited in 6 U.S. cities (Atlanta, GA, Boston, MA, Los Angeles, CA, New York, NY, San Francisco, CA, and Washington DC). Participants completed baseline, 6-month follow-up, and 12-month follow-up interviews. A convenience sample of 1553 BMSM was recruited between July 2009 and October 2010 of whom 1155 returned for a follow-up interview 12 months later. Accounting for previous police interaction, poverty, psychopathology, drug use, and alcohol use, we estimated associations between recent police harassment reported at the 6 month follow-up interview and 12 month outcomes including psychosocial vulnerability (elevated racial/sexual identity incongruence), psychological distress (being distressed by experiences of racism and/or homophobia), and depression. About 60% of men reported experiencing police harassment between the baseline and 6-month interview due to their race and/or sexuality. Adjusted analyses suggested police harassment was independently associated with a 10.81 (95% CI: 7.97, 13.66) point increase and 8.68 (95% CI: 6.06, 11.30) point increase in distress due to experienced racism and distress due to experienced homophobia scores, respectively. Police harassment perceived to be dually motivated predicted disproportionate levels of distress. Police harassment is prevalent and associated with negative influences on psychosocial vulnerability and psychological distress among BMSM. Reducing exposure to police harassment may improve the psychosocial health of BMSM.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».