Migrant integration policies, regional social disadvantage, ethnicity and psychosis risk: Findings from the EU-GEI study
Notice bibliographique
Résumé
Compared with individual-level factors, macro-level exposures have received less attention in research on the increased risk of psychosis among ethnic minorities. We aimed to investigate the impact of migrant integration policies and area-level social deprivation on higher incidence rates among ethnic minorities. This study, conducted between 2010 and 2015, analysed incidence data from five countries from the EUropean network of national schizophrenia networks studying Gene-Environment Interactions [EU-GEI]. The total population was multiplied by the duration of case-ascertainment to estimate person-years. Cases with a non-organic psychotic disorder were included. Exposures included population group (based on self/parental region of origin/self-ascribed ethnicity) and area-level exposures including country-level migrant integration policies and regional-level proxies of social deprivation (percentages of unemployment, low education, owner-occupied houses, single person-households). Negative binomial mixed-effects regression models were fitted to calculate the association between individual and area-level exposures and incidence of psychotic disorders. The study included 1933 individuals. Supportive migrant policies (IRR: 0.71; 95 % CI 0.68-0.73) and higher percentages of owner-occupied houses (IRR: 0.97; 95 % CI 0.96-0.97) were associated with lower incidence of psychosis. Higher percentages of unemployment (IRR: 1.08; 95 % CI 1.07-1.09) and single person-households (IRR: 1.10; 95 % CI 1.05-1.14) were associated with higher incidence of psychosis. Accounting for policies and area-level social deprivation markers reduced risk estimates among all migrant/ethnic minority groups, compared to the majority population. This is the first study on the impact of migrant integration policies on psychosis incidence. Migrant integration policies and area-level social deprivation influenced psychosis risk in the overall and minority populations. These findings can inform policies and social epidemiological approaches to studying multi-level exposures in psychosis. • Policies supporting migrants are associated with lower incidence of psychosis. • Markers of socio-deprivation are associated with higher incidence of psychosis. • Restrictive migrant policies contribute to higher risk of psychosis among migrants. • Multi-level ecological approaches yield new insights in psychiatric epidemiology.
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 | 0,000 |
| Études des sciences et des technologies | 0,004 | 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 ».