Racial and ethnic disparities in “stop-and-frisk” experience among young sexual minority men in New York City
Notice bibliographique
Résumé
Although racial/ethnic disparities in police contact are well documented, less is known about other dimensions of inequity in policing. Sexual minority groups may face disproportionate police contact. We used data from the P18 Cohort Study (Version 2), a study conducted to measure determinants of inequity in STI/HIV risk among young sexual minority men (YSMM) in New York City, to measure across-time trends, racial/ethnic disparities, and correlates of self-reported stop-and-frisk experience over the cohort follow-up (2014-2019). Over the study period, 43% reported stop-and-frisk with higher levels reported among Black (47%) and Hispanic/Latinx (45%) than White (38%) participants. Stop-and-frisk levels declined over follow-up for each racial/ethnic group. The per capita rates among P18 participants calculated based on self-reported stop-and-frisk were much higher than rates calculated based on New York City Police Department official counts. We stratified respondents' ZIP codes of residence into tertiles of per capita stop rates and observed pronounced disparities in Black versus White stop-and-frisk rates, particularly in neighborhoods with low or moderate levels of stop-and-frisk activity. YSMM facing the greatest economic vulnerability and mental disorder symptoms were most likely to report stop-and-frisk. Among White respondents levels of past year stop-and-frisk were markedly higher among those who reported past 30 day marijuana use (41%) versus those reporting no use (17%) while among Black and Hispanic/Latinx respondents stop-and-frisk levels were comparable among those reporting marijuana use (38%) versus those reporting no use (31%). These findings suggest inequity in policing is observed not only among racial/ethnic but also sexual minority groups and that racial/ethnic YSMM, who are at the intersection of multiple minority statuses, face disproportionate risk. Because the most socially vulnerable experience disproportionate stop-and-frisk risk, we need to reach YSMM with community resources to promote health and wellbeing as an alternative to targeting this group with stressful and stigmatizing police exposure.
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 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».