Accessing mental health care: A population-level exploration of the impact of immigration duration in the United States 2019–2023
Notice bibliographique
Résumé
Immigrant populations in the United States are known to experience worsening mental health as time since immigration increases, with consistently lower rates of mental health service engagement compared to their domestic-born counterparts. However, there is little evidence investigating how time since immigration affects mental health service use. Using 2019-2023 National Health Interview Survey data, this population-based study examines how time since immigration influences use of mental health services among immigrants reporting monthly or more depression or anxiety symptoms among civilian, non-institutionalized adults in the United States. Of the 6,201 participants (representing 11.9 million adults annually), 21.2% reported accessing medication or counselling. Multivariable logistic regression analyses found that recent immigrants (<5 years) had 46% lower odds of receiving care compared to those residing in the United States for ≥5 years (95% CI: 0.38, 0.78). Sensitivity analyses lent robustness to study findings. Effect modification analyses revealed no significant variations in the relationship between time since immigration and mental health service use across citizenship status, symptom severity, and COVID-19 periods. Findings highlight the need for targeted interventions and policy reforms to address disparities in mental health service use among immigrants, promoting equitable access and improving well-being for recent immigrants.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».