COVID-19–Related Racism and Mental Health Among Asian Americans: Integrative Review
Notice bibliographique
Résumé
Background: Racism against Asian Americans escalated during the COVID-19 pandemic. About 31%-91% of Asian American adults and children reported experiencing various types of racism during the pandemic. According to the Federal Bureau of Investigation hate crime statistics, anti-Asian hate crime incidents increased from 158 in 2019 to 279 in 2020 and 746 in 2021. In 2022, the incidents decreased to 499, corresponding to the downward trend of the pandemic. The degree of impact racism has on mental health and wellness among Asian Americans requires investigation, specifically during the COVID-19 pandemic. Objective: We aim to describe racism-related mental health problems experienced by Asian Americans living in the United States and propose implementation strategies for mitigating their consequences. Methods: We conducted an integrative review of peer-reviewed publications in English reporting anti-Asian sentiments and racism's impacts on mental health among Asian Americans in the United States. Results: The 29 eligible articles report on studies that utilized cross-sectional survey designs with various sample sizes. Racism is directly correlated with the prevalence of depression and anxiety experienced by victims of racist acts. The prevalence of in-person direct racism (racist expression aimed directly at the victim) is lower than in-person indirect racism (racist expression aimed at the ethnic group the victim belongs to). During the COVID-19 pandemic, the incidence of explicit online racism was lower than online indirect racism. Conclusions: COVID-19-related racism exacerbated preexisting racism, contributing to worse depression and anxiety among Asian Americans. To address this issue, we propose 2 main approaches: increase public awareness and education about recognizable racist sentiments/acts and systematized reporting of racially motivated crimes to guide political action. At an individual level, culturally responsive, trauma-informed interventions promoting cultural support and cohesion for various Asian American groups will foster this empowerment. These proposed actions will help alleviate racism by reducing stereotypes, empowering victims, and chipping away at the systemic racism structure.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».