The Impact of Racial and Non-racial Discrimination on Health Behavior Change Among Visible Minority Adults During the COVID-19 Pandemic
Notice bibliographique
Résumé
INTRODUCTION: Pre-pandemic health behavior has been put forward as a reason for excess COVID-19 infection and death in some racialized groups. At the same time, scholars have labeled racism the other pandemic and argued for its role in the adverse COVID-19 outcomes observed. The purpose of this study was to examine the impact of discrimination on health behavior change among racialized adults in the early stages of the pandemic. METHODS: Data were collected from 210 adults who identified as a visible minority in Alberta, Canada, in June 2020. The Everyday Discrimination Scale (Short Version) was adapted to examine past-month experiences. Four questions asked if alcohol/cannabis use and stress eating had significantly increased, and if sleep and exercise had significantly decreased in the past month. Logistic regression models examined associations between discrimination attributed to racial and non-racial causes and health behavior change adjusted for covariates. RESULTS: The majority of adults (56.2%) reported past-month discrimination including 26.7% who attributed it to their race. Asian adults reported more racial discrimination and discrimination due to people believing they had COVID-19 than other visible minorities. Racial discrimination during the pandemic was strongly associated with increased substance use (OR: 4.0, 95% CI 1.2, 13.4) and decreased sleep (OR: 7.0, 95% CI 2.7, 18.4), and weakly associated with decreased exercise (OR: 2.2, 95% CI 1.1, 4.5). Non-racial discrimination was strongly associated with decreased sleep (OR: 4.8, 95% CI 1.8, 12.5). CONCLUSION: Racial discrimination may have a particularly important effect on intensifying adverse health behavior changes among racialized adults during a time of global crisis.
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 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 | 0,005 | 0,001 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».