Mental health disparities among sexual and gender minority students in higher education
Notice bibliographique
Résumé
Objective: There has been an ongoing mental health crisis among sexual and gender minority (SGM) populations. This continues amidst rising population-level depression and suicide rates, especially among students in higher education. This work aims to understand changes in SGM student mental health over time. Participants: N = 483,574 responses to the Healthy Minds Study (2007C2022) were examined from 18 to 35-year-old U.S. college and university students. Methods: Linear and logistic regressions were used to examine associations between SGM identity and mental health. Mediation and structural equation modeling were used to examine potential links among risk factors. Results: On average, ∼18% of students identified as SGM, which included a 6-fold increase in SGM self-identification across this 15-year period. Depression rates increased over time; ∼12% of students reported major depression. SGM students were 3.18 times (z = 111.16, p < .001) more likely to report depression than non-SGM students (26.85% vs. 8.53%). Disproportionate discrimination and lack of school belonging partially explained SGM disparities in depression. SGM students were twice as likely to utilize therapy (z = 115.42, p < .001) but half as likely seek help from family (z = 55.48, p ≤ .001). Conclusions: Academic institutions must take concrete steps to reduce barriers mental health care, combat discrimination, and bolster community belonging and interpersonal support for SGM students.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».