An Intersectional Approach to Understanding Beliefs and Attitudes Toward Mental Health Issues Among Muslim Immigrant Women in Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Although addressing cultural and religious practices is important in providing mental health care, little research exists on understanding mental health issues of minority groups such as Muslim immigrant women. We employed an intersectional approach to examine beliefs and attitudes toward mental health issues among Muslim immigrant women in Canada. Four focus groups (21 participants) were conducted, and 101 surveys were collected in Ottawa, Canada. Three core themes emerged from thematic content analysis of focus group data that relate to participants' communication about: 1) stressors, 2) mental health care seeking, and 3) utilizing coping strategies. The survey data were analyzed using independent samples t-test and One-Way ANOVA, the results of which supported the qualitative findings that social stigma was an important obstacle preventing those women from seeking professional mental health services. Muslim women with South and Southeast Asian cultural/ethnic backgrounds were more likely to get help from professionals than those with African cultural/ethnic backgrounds. No group differences were found in age, family income, and employment status. Broadly, the findings underscore the importance of developing knowledge about the intersections among gender, religion, cultural identity, immigration status, and social stigma that influence beliefs and attitudes toward mental health issues. Specifically, the findings point to the need for an intersectional approach that offers a more nuanced understanding for tailoring mental health care to Muslim immigrant women's needs.
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.
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 | 0,002 | 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 | 0,000 | 0,000 |
| 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 découle