Discrimination and Racial Inequities in Self-reported Mental Health Among Immigrants and Canadian-Born Individuals in a Large, Nationally Representative Canadian Survey
Notice bibliographique
Résumé
We examined the link between discrimination and self-rated mental health (SRMH) among immigrants and Canadian-born individuals, stratified according to an individual's identification as racialized or white. Using data from Canada's General Social Survey (2014) (weighted N = 27,575,000) with a novel oversample of immigrants, we estimated the association of perceived discrimination with SRMH separately among immigrants and Canadian-born individuals and stratified by racialized status. Among immigrants, we also investigated whether age-at-arrival attenuated or strengthened associations. The prevalence of discrimination was higher among racialized compared to white immigrants (18.9% versus 11.8%), and among racialized compared to white non-immigrants (20.0% versus 10.5%). In the adjusted model with immigrants, where white immigrants not reporting discrimination were the referent group, both white (adjusted prevalence odds ratio [aPOR] 6.11, 95% confidence interval [CI] 3.08, 12.12) and racialized immigrants (aPOR 2.28, 95% CI 1.29, 4.04) who experienced discrimination reported poorer SRMH. The associations were weaker among immigrants who immigrated in adulthood. In the adjusted model with non-immigrants, compared to unexposed white respondents, Canadian-born white respondents who experienced discrimination reported poorer SRMH (aPOR 3.62, 95% CI 2.99, 4.40) while no statistically significant association was detected among racialized respondents (aPOR 2.24, 95% CI 0.90, 5.58). Racialized respondents experienced significant levels of discrimination compared to white respondents irrespective of immigrant status. Discrimination was associated with poor SRMH among all immigrants, with some evidence of a stronger association for white immigrants and immigrants who migrated at a younger age. For Canadian-born individuals, discrimination was associated with poor SRMH among white respondents only.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».