Racial/Ethnic Differences in COVID-19-Traumatic Symptoms, Sleep, Coping Outcomes in a Group of New-Yorkers
Notice bibliographique
Résumé
Abstract Background Little research has examined within/between group predictors and mediators of race/ethnic differences or disparities in mental and sleep health outcomes arising from the experience of the COVID-19 pandemic. Objectives This study sought to evaluate the effect of COVID-19 experiences on trauma-related symptoms and sleep quality among a multiracial/ethnic sample in New York. Method This is a cross-sectional study conducted online among multiethnic adults (n=541) who experienced the pandemic in New York from September to November 2020. Comparisons of characteristics and mean scores by race/ethnicity status were conducted using one-way ANOVA and independent samples t-tests for continuous variables and chi-square tests for categorical variables. Multilinear regression was used for associations between social determinants of health and/or SES, trauma-related symptoms, coping, and sleep. Results Compared to Whites [Mean (SD)= (24.1(7.6)] and other group [Mean (SD)=24.9(8.2), Blacks [Mean (SD)=(26.3(6.4)] and Hispanics [Mean(SD)=(27.2(8.2)] reported higher level of peritraumatic distress [df= 3; F=4273; p=0.005). The prevalence of clinically significant PTSD symptoms was 21.4%(n=113): [Whites=31(16.3%); Blacks=28(25.7%); Hispanics=24(25%); and other groups=30(22.4%); x2 =4.93; p=0.177]. This rate doubled [48.3%(257)] when it comes to the overall clinically significant depression level. Compared to all subcategories, [Blacks=52(47.7%); Hispanics =62(64.6%); other group=66(49.3%)], depression symptoms were lower among Whites [77(39.9%; x 2 =15.71; p =0.001]. We found a prevalence of insufficient sleep <6 hours of 41%(198): [Whites=69(39.4%); Blacks=43(41.7%); Hispanics=46(52.3%); other groups=40(34.2%); x 2=12.21; p =0.057]. Several unique demographic predictors of PTSD emerged for distinct racial/ethnic groups. Among Blacks, sex [β = −0.22; p < .01] and employment [β = −0.159; p < .05] emerged as significant predictors for PTSD, but for no other racial/ethnic group. Interestingly, among Hispanics [β = −0.144; p = .064] and Blacks [β = −0.174; p = .0.076], coping strategies did not mitigate PTSD or depressive symptoms. Conclusion As New York and the rest of the world are trying to bounce back from the COVID-19 consequences, mental health outcomes are devastating, particularly among historically marginalized communities. This study provides insight into the emergency for policymakers to invest in racial justice programs and provide free access to culturally responsive mental health care for the most vulnerable 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 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 | 0,000 |
| 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 ».