Heterogeneity in racist events and posttraumatic mental health among Black, Indigenous, People of Color (BIPOC) first responders
Notice bibliographique
Résumé
Background: Black, Indigenous, People of Color (BIPOC) first responders in Canada report experiencing racism and an increased risk of trauma-related mental health symptoms.Objective: Using a BIPOC first responder sample in Canada, the present study examined subgroups of BIPOC first responders based on the frequency of different types of racist events, and their relations with mental health symptoms (posttraumatic stress disorder [PTSD] symptom clusters of intrusion, avoidance, negative alterations in cognitions and mood [NACM], and alterations in arousal and reactivity [AAR]; depression severity; anxiety severity).Method: The sample included 196 BIPOC first responders who reported more than one traumatic experience (Mage = 35.30; 71.4% men).Results: Latent profile analyses indicated a best-fitting 3-profile solution: Low (Profile 1), Moderate (Profile 2), and High (Profile 3) Frequency of Racist Events. Multinomial logistic regression indicated that BIPOC first responders reporting more frequent racist events endorsed greater depression severity, anxiety severity, and PTSD’s NACM symptom severity.Conclusions: Findings improve our understanding of subgroups of BIPOC first responders based on the frequency and types of racist events they experience. Results highlight the need to incorporate assessments of racism-related experiences into therapeutic work, and to target depression, anxiety, and NACM symptoms among those who encounter more racist events.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».