Associations among past trauma, post-displacement stressors, and mental health outcomes in Rohingya refugees in Bangladesh: A secondary cross-sectional analysis
Notice bibliographique
Résumé
Objective The Rohingya endured intense trauma in Myanmar and continue to experience trauma related to displacement in Bangladesh. We aimed to evaluate the association of post-displacement stressors with mental health outcomes, adjusting for previously experienced trauma, in the Rohingya refugee population in Cox's Bazar, Bangladesh. Methods We analyzed data from the Cox's Bazar Panel Survey, a cross sectional survey consisting of 5,020 household interviews and 9,386 individual interviews completed in 2019. Using logistic regression, we tested the association between post-displacement stressors such as current exposure to crime and conflict and two mental health outcomes: depression and post-traumatic stress disorder (PTSD). In adjusted analyses, we controlled for past trauma, employment status, receiving an income, food security, and access to healthcare and stratified by gender. Results The prevalence of depressive symptoms was 30.0% (n = 1,357) and PTSD 4.9% (n = 218). Most (87.1%, n = 3,938) reported experiencing at least one traumatic event. Multiple post-displacement stressors, such as current exposure to crime and conflict (for men: OR = 2.23, 95% CI = 1.52–3.28, p < 0.001; for women: OR = 1.92, 95% CI = 1.44–2.56, p < 0.001), were associated with higher odds of depressive symptoms in multivariable models. Trauma (OR = 4.98, 95% CI = 2.20–11.31, p < 0.001) was associated with increased odds of PTSD. Living in a household that received income was associated with decreased odds of PTSD (OR = 0.74, 95% CI = 0.55–1.00, p = 0.05). Conclusion Prevalence of depressive symptoms was high among Rohingya refugees living in Cox's Bazar. Adjusting for past trauma and other risk factors, exposure to post-displacement stressors was associated with increased odds of depressive symptoms. There is a need to address social determinants of health that continue to shape mental health post-displacement and increase mental healthcare access for displaced Rohingya.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».