Lost in translation? Deciphering the role of language differences in the excess risk of psychosis among migrant groups
Notice bibliographique
Résumé
BACKGROUND: Migration is a well-established risk factor for psychotic disorders, and migrant language has been proposed as a novel factor that may improve our understanding of this relationship. Our objective was to explore the association between indicators of linguistic distance and the risk of psychotic disorders among first-generation migrant groups. METHODS: Using linked health administrative data, we constructed a retrospective cohort of first-generation migrants to Ontario over a 20-year period (1992-2011). Linguistic distance of the first language was categorized using several approaches, including language family classifications, estimated acquisition time, syntax-based distance scores, and lexical-based distance scores. Incident cases of non-affective psychotic disorder were identified over a 5- to 25-year period. We used Poisson regression to estimate incidence rate ratios (IRR) for each language variable, after adjustment for knowledge of English at arrival and other factors. RESULTS: Our cohort included 1 863 803 first-generation migrants. Migrants whose first language was in a different language family than English had higher rates of psychotic disorders (IRR = 1.08, 95% CI 1.01-1.16), relative to those whose first language was English. Similarly, migrants in the highest quintile of linguistic distance based on lexical similarity had an elevated risk of psychotic disorder (IRR = 1.15, 95% CI 1.06-1.24). Adjustment for knowledge of English at arrival had minimal effect on observed estimates. CONCLUSION: We found some evidence that linguistic factors that impair comprehension may play a role in the excess risk of psychosis among migrant groups; however, the magnitude of effect is small and unlikely to fully explain the elevated rates of psychotic disorder across migrant 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 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 | 0,001 |
| 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 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 ».