Tracking the Trajectory and Predictors of Peritraumatic Distress among Chinese Migrants in Canada across the Three Years of the COVID-19 Pandemic
Notice bibliographique
Résumé
Negative effects of the COVID-19 pandemic on mental health have been widely reported. Chinese populations, especially those living overseas, are highly vulnerable to mental health problems considering the unique challenges they faced during the pandemic. Even though the pandemic lasted for three years, little is known about the mental health condition of this special population over this time course. The current study aimed to assess peritraumatic distress among Chinese migrants in Canada and identify its consistent risk predictors across the three years of the pandemic (2020, 2021, 2022). Three groups of Chinese adult migrants (i.e., aged 18 or above) living in Canada were randomly recruited through social media and the internet to complete an online survey in 2020, 2021, and 2022 respectively. Peritraumatic distress was assessed with the COVID-19 Peritraumatic Distress Index (CPDI). Univariate analysis of variance (ANOVA) models and a subsequent hierarchical multiple regression model were conducted to track peritraumatic distress differences across the three years and identify potential risk factors. The results showed that the CPDI score increased from 2020 to 2022 and peaked in 2021. Age, birthplace, health status, perceived discrimination, self-contraction and family contraction worry were identified as significant sociodemographic and COVID-19-related predictors for peritraumatic distress (absolute βs = 2.16–9.00; ps < 0.05). The results provide insight into the mental health condition of overseas Chinese migrants across the three years of the pandemic.
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 | 0,000 |
| 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 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 ».