Mental Health Challenges In Caring For American Indians and Alaska Natives
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
American Indians (AI) and Alaska Natives (AN), descendants of the indigenous people, are a diverse population group growing in number every year. Studies have shown that American Indians and Alaska Natives (AI/ANs) have a decreased life expectancy, higher mortality rate, and lower quality of life than the general US population.In addition to having higher rates of general medical conditions such as diabetes, obesity, and high blood pressure, there is a high prevalence of mental health problems and psychiatric comorbidity amongst American Indians and Alaska Natives (AI/ANs). A national study comparing the prevalence of mental health disorders and associated treatment-seeking results showed higher rates of psychiatric disorders in American Indians and Alaska natives than non-Hispanic whites. Post-traumatic stress disorder (PTSD), violence, suicide, and substance use have been identified as some of the more prevalent mental health issues among AI/ANs when compared with the general population in the United States. Sociodemographic characteristics, including age, education, and income, are likely contributing factors for the number of psychiatric disorders seen in American Indians and Alaska Natives than other racial groups. There should be an increased effort to improve AI/AN mental health care disparities through culturally competent clinical interventions. In working towards this goal, it is important to identify the existing disparities in mental health care delivery and outcomes among AI/ANs. This will then help guide the steps that are necessary for improved outcomes and reduction in health disparities.
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.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle