Methodology Considerations in Studying Mental Health, Sleep Quality, and Biopsychosocial Determinants Among Chinese and Korean Americans During the COVID-19 Pandemic
Notice bibliographique
Résumé
Asians are one of the fastest-growing racial groups in the United States. The mental health of Asian Americans, particularly regarding depression and anxiety, needs significant attention. Various biopsychosocial factors interact to influence the risks of depression, anxiety, and sleep quality among Asian Americans. Currently, multiple methodological issues exist in the research of Asian Americans, such as limited data collection using Asian languages and inconsistent reporting of race and ethnicity data, which may be lacking entirely. All these methodological issues in research may account for the seemingly low prevalence rates of mental health problems among Asian Americans. In our study on mental health and sleep quality among Chinese and Korean Americans, we adopted multiple data collection strategies during the COVID-19 pandemic, including using culturally adaptive and validated measures as well as operating culture-sensitive procedures in the recruitment and data collection. The successful use of these strategies could promote early detection and personalized treatment of depression, anxiety, and sleep disturbance among Asian Americans. These strategies would further improve health care service use in this population. International Registered Report Identifier IRRID: RR2-10.1136/bmjopen-2020-047281.
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 | 0,321 | 0,319 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».