Examining Variations in the Prevalence of Diagnosed Mood or Anxiety Disorders Among Migrant Groups in Ontario, 1995–2015: A Population-Based, Repeated Cross-Sectional Study: Examen des variations de la prévalence des troubles anxieux ou de l’humeur diagnostiqués chez les groupes de migrants en Ontario, 1995–2015 : une étude transversale répétée dans la population
Notice bibliographique
Résumé
BackgroundInternational evidence on the frequency of mood or anxiety disorders among migrant groups is highly variable, as it is dependent on the time since migration and the socio-political context of the host country. Our objective was to estimate trends in the prevalence of diagnosed mood or anxiety disorders among recent (<5 years in Canada) and settled (5–10 years in Canada) migrant groups, relative to the general population of Ontario, Canada.MethodsWe used a repeated cross-sectional design consisting of four cross-sections spanning 5 years each, constructed using health administrative databases from 1995 to 2015. We included all Ontario residents between the ages of 16 and 64 years. We assessed differences in the prevalence of mood or anxiety disorders adjusting for age, sex, and neighbourhood-level income. We further evaluated the impact of migrant class and region of birth.ResultsThe prevalence of mood or anxiety disorders was lower among recent (weighted mean = 4.10%; 95% confidence interval [CI], 3.59% to 4.60%) and settled (weighted mean = 4.77%; 95% CI, 3.94% to 5.61%) migrant groups, relative to the general population (weighted mean = 7.39%; 95% CI, 6.83% to 7.94%). Prevalence estimates varied greatly by region of birth and migrant class. We found variation in prevalence estimates over time, with refugee groups having the largest increases between 1995 and 2015.ConclusionsOur findings highlight the complexity of mood and anxiety disorders among migrant groups, and that not all groups share the same risk profile. These results can be used to help inform health service allocation and the development of supportive programs for specific migrant groups.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».