Prevalence and correlates of depression among Black individuals in Canada: The major role of everyday racial discrimination
Notice bibliographique
Résumé
BACKGROUND: Depression is a common mental health problem causing significant disability globally, including in Canada. Prevalence estimates for depression within Black communities in Canada are unknown. This study determined the prevalence of depression in a sample of Black Canadians and the association between everyday racial discrimination experiences and depression. METHODS: We analyzed data collected from the Black Community Mental Health project in Canada. Participants provided sociodemographic information and completed measures assessing depressive symptomology, everyday racial discrimination, and social support. The prevalence of depressive symptomatology was computed across sociodemographic variables and categories of everyday racial discrimination. Different regression models were conducted to examine the relationship between depressive symptoms and everyday racism controlling for sociodemographic factors. RESULTS: In total, 65.87% of participants reported severe depressive symptoms, with higher rates among women, those who are employed, and those born in Canada. The linear regression models showed that everyday racial discrimination is the best predictor of depressive symptoms, with a final model explaining 25% of the variance. A logistic regression model demonstrated that those experiencing a high level of racial discrimination are 36.4 more likely to present severe depressive symptoms when compared to those reporting a low level of discrimination. CONCLUSIONS: Rates of depressive symptoms among Black individuals are nearly six times the 12-month prevalence reported for the general population in Canada. Racial discrimination, which significantly predicts greater depressive symptomatology, is consistent with earlier studies in the United States and suggests that Canadian colorblind policies may inadvertently reinforce racial discrimination with detrimental effects on mental health.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».