Key Findings from Mental Health Research During the Menopause Transition for Racially and Ethnically Minoritized Women Living in the United States: A Scoping Review
Notice bibliographique
Résumé
Background: Racially and ethnically minoritized (REM) women experience social and structural factors that may affect their response to mental health treatment and menopausal symptoms during the menopause transition (MT). This scoping review on mental health during the MT for REM women in the United States was conducted to characterize factors associated with mental health challenges. Materials and Methods: Five databases were searched. Articles were included if focused on MT in REM women in the United States and its territories with specific mental illnesses and published in English from 2005 to 2021. Titles and abstracts and full text were screened. Screening and data collection were completed in duplicate by two reviewers in Covidence. Results: Sixty-five articles were included and indicate that REM women experience a disproportionate burden of depressive symptoms during the MT. Less evidence is reported about anxiety, Post-Traumatic Stress Disorder, psychosis, schizophrenia, and other mental illnesses. The risk factors associated with mental illness during MT are social, structural, and biological. Treatment response to therapeutic interventions is often underpowered to explain REM differences. Conclusion: Depression during the MT is associated with negative outcomes that may impact REM women differentially. Incorporating theoretical frameworks ( e.g. , intersectionality, weathering) into mental health research will reduce the likelihood that scientists mislabel race as the cause of these inequities, when racism and intersecting systems of oppression are the root causes of differential expression of mental illness among REM women during the MT. There is a need for interdisciplinary research to advance the mental health of REM women.
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 | 0,012 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,025 | 0,025 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».