Examining changes in self-reported mental health among selected Asian and White populations in Canada between 2019 to 2022: A retrospective study
Notice bibliographique
Résumé
Introduction: Research has shown that the mental health of Canadians has been negatively impacted during the pandemic, particularly within racialized populations. This impact may be especially true among Chinese (due to xenophobia) and South Asian people (due to high COVID-19 infection) in Canada. This study examines the change in self-reported mental health among Chinese, South Asian, and Other Southeast and East Asian populations compared to the White population by immigration status before and during the pandemic. Methods: This retrospective, cross-sectional study used four cycles (2019 to 2022) of the Canadian Community Health Survey. Differences in high levels of mental health were compared using logistic regression, taking into consideration immigrant status and duration since landing, and controlled for demographic, socio-economic factors, and sense of belonging. Results: The overall Asian and White populations reported similar prevalence of high mental health. This was followed by a widening of the Asian-White differential, advantaging the Asian population. The Chinese sub-group had the lowest prevalence of high mental health pre-pandemic compared to their White counterparts, but the differential disappeared by 2022. Conclusion: Study results support an overall deterioration in mental health during the pandemic, especially among White and non-immigrant Asian populations, while highlighting a healthy immigrant effect among recent Asian immigrants. The low mental health level of the Other Southeast and East Asian non-immigrant group in 2022 warrants further exploration.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».