Income inequality and depression among Canadian secondary students: Are psychosocial well-being and social cohesion mediating factors?
Notice bibliographique
Résumé
Nearly one-third of secondary school students report experiencing depressive symptoms in the past year. Existing research suggests that increasing rates of depression are due in part to increasing income inequality. The aim of this study is to identify mechanisms by which income inequality contributes to depression among Canadian secondary school students. We used data from a large sample of Canadian secondary school students that participated in the 2017/18 wave of the Cannabis, Obesity, Mental health, Physical activity, Alcohol, Smoking, and Sedentary behaviour (COMPASS) study. The sample included 61,642 students across 43 Census divisions (CDs) in Quebec, Ontario, Alberta, and British Columbia. We used multilevel path analysis to determine if the relationship between CD-level income inequality and depression was mediated by student's psychosocial well-being and/or social cohesion. Attending schools in CDs with higher income inequality was related to higher depression scores among Canadian secondary students [unstandardized ß (ß) = 5.36; 95% CI = 0.74, 9.99] and lower psychosocial well-being (ß = −14.83, 95% CI = −25.05, −4.60). Income inequality was not significantly associated with social cohesion, although social cohesion was associated with depression scores among students (ß = −0.31; 95% CI = −0.34, −0.28). Findings from this study indicate that income inequality is associated with adolescent depression and that this relationship is mediated by psychosocial well-being. This study is the first of its kind in Canada to assess the mechanisms by which income inequality contributes to adolescent depression. These findings are applicable to school-level programs addressing 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 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».