Sociodemographic and COVID-Related Predictors for Mental Health Condition of Mainland Chinese in Canada Amidst the Pandemic
Notice bibliographique
Résumé
The current study investigates the mental health condition of Mainland Chinese in Canada and identifies the associated sociodemographic and COVID-19-related predictors. A sample of 471 Mainland Chinese aged 18 or older completed an online survey that collected information on demographics, experience, cognition, and behaviours related to the COVID-19 pandemic and mental health condition. Mental health condition was assessed with the Depression, Anxiety, and Stress Scale-21 (DASS-21) for the depression, anxiety, and stress levels of Mainland Chinese during the pandemic. Moderate to severe depression, anxiety, and stress levels were respectively reported by 11.30%, 10.83%, and 5.10% of respondents. Univariate analysis of variance models (ANOVAs) were conducted to assess mental health condition variance as stratified by independent sociodemographic- or COVID-19-related explanatory variables, to identify possible predictors to be entered into the subsequent regression models. The regression models identified age, income level, health status, and perceived discrimination as significant sociodemographic predictors (absolute value of βs = 1.19–7.11, ps < 0.05), whereas self-infection worry, attitude towards Canadian measures, information confusion, food/goods stocking, and room cleaning/sanitizing were identified as significant COVID-19-reltaed predictors (absolute value of βs = 1.33–3.45, ps < 0.05) for mental health outcomes. The results shed light on our understanding of the major factors associated with the mental health condition of Mainland Chinese in Canada during the COVID-19 pandemic.
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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».