Non-Pathological Psychological Distress among Mainland Chinese in Canada and Its Sociodemographic Risk Factors amidst the Pandemic
Notice bibliographique
Résumé
The COVID-19 pandemic has exacerbated health inequalities, with a potentially heightened mental health risk for Mainland Chinese in Canada, given the rising anti-Chinese discrimination, and barriers in assessing health services. In this context, this study aimed to assess non-pathological psychological distress towards COVID-19 and identify its sociodemographic risk factors among Mainland Chinese in Canada at the early stages of the pandemic. Methods: A sample of 731 Mainland Chinese aged 16 or older completed an on-line survey to examine their attitudes, behavioural, and psychological responses towards COVID-19. Non-pathological psychological distress was assessed with a 7-item self-report scale to capture common emotional reactions towards COVID-19. Results: A factor analysis revealed a single-factor structure of the 7-item COVID-19 psychological distress scale (Eigen λ = 3.79). A composite psychological distress index (PDI) score was calculated from these items and used as the outcome variable. Multivariate regression models identified age, financial satisfaction, health status, and perceived/experienced discrimination as significant predictors of psychological distress (ps ≤ 0.05). Conclusions: Mainland Chinese in Canada who were over 25, in poor financial/health status, or with perceived/experienced discrimination were at a higher risk for COVID-19-related psychological distress. The health inequity across these factors would inform the services to mitigate mental health risk in minority groups.
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 ».