The Role of Financial Insecurity, Racial Discrimination, and Comorbid Health Conditions on Mental Health in Canada and the United States During the COVID-19 Pandemic
Notice bibliographique
Résumé
Canada and the United States have long histories of racism that permeate every institution and structure in our societies. While anti-racism movements have gained strength in recent years, we know very little about current rates of discrimination in the two countries or the impact on communities during the COVID-19 pandemic. Informed by critical race feminist theory, this paper examines levels of discrimination experienced by survey participants from Canada and the United States during the COVID-19 pandemic with a cross-sectional survey conducted during October 2021. We then assessed the broader impact of experiencing discrimination on depressive symptoms using logistic regression analysis. In both Canada and the US, multivariate logistic regression maintained that experiencing discrimination resulted in higher probabilities of reporting moderate to severe depressive symptoms. Other important factors included age, financial insecurity, and comorbid health conditions. Overall findings suggest that Indigenous, Black, and other racialized communities who experienced discrimination reported higher rates of depressive symptoms despite controlling for other factors. From a comparative perspective, discrimination rates were similar in Canada and the US, and had similar proportions across racial/ethnic groups. Discrimination rates did not vary significantly by gender, nor was gender a statistically significant risk factor for depressive symptoms. Further research, including qualitative studies, could fully assess the impact of gender on experiences of racism and depressive symptoms during the pandemic. The paper concludes with policy and public education suggestions to combat racial discrimination and highlights the need for added government action during times of crises. Résumé: Le Canada et les États-Unis ont une longue histoire de racisme qui se retrouve dans toutes les institutions et structures de nos sociétés. Bien que les mouvements antiracistes aient gagné en force ces dernières années, nous savons très peu de choses sur les taux actuels de discrimination dans les deux pays ou sur l’impact sur les communautés pendant la pandémie de COVID-19. S’inspirant de la théorie féministe du racisme critique, cet article examine les niveaux de discrimination subis par les participants du Canada and des États-Unis pendant la pandémie de COVID-19, à l’aide d’une enquête transversale menée en Octobre 2021. Nous avons ensuite évalué l’impact plus large de l’expérience de la discrimination sur les symptômes dépressifs en utilisant une analyse de régression logistique. Au Canada comme aux États-Unis, la régression logistique multivariée a confirmé que le fait d’avoir été victime de discrimination entraînait une probabilité plus élevée de signaler des symptômes dépressifs modérés ou graves. Les autres facteurs importants étaient l’âge, l’insécurité financière et la comorbidité. Les résultats globaux suggèrent que les communautés indigènes, noires et autres communautés racialisées ayant été victimes de discrimination présen-tent des taux plus élevés de symptômes dépressifs, malgré la prise en compte d’autres facteurs. D’un point de vue comparatif, les taux de discrimination étaient similaires au Canada et aux États-Unis, et présentaient des proportions similaires dans tous les groupes raciaux/ethniques. Les taux de discrimination ne varient pas de manière significative en fonction du sexe, et le sexe n’est pas un facteur de risque statistiquement significatif pour les symptômes dépressifs. D’autres recherches, notamment des études qualitatives, pourraient permettre d’évaluer pleinement l’impact du sexe sur les expériences de racisme et les symptômes dépressifs pendant la pandémie. L’article se termine par des suggestions de politiques et d’éducation du public pour lutter contre la discrimination raciale et souligne la nécessité d’une action gouvernementale supplémentaire en période de crise.
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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».