A longitudinal perspective to migrant health: Unpacking the immigrant health paradox in Germany
Notice bibliographique
Résumé
Previous research finds that recent immigrants are healthier than the native-born, while more established immigrants exhibit worse health, suggesting a process of unhealthy assimilation. However, previous literature is mostly based on cross-sectional data or on longitudinal analyses similarly failing to disentangle individual-level variation from between-individual confounding. Moreover, previous longitudinal studies are often limited in their study of different health outcomes (few and mostly subjective health), populations (sometimes only elderly individuals), time periods (short panels) and geographical contexts (mostly Australia, Canada and USA). We address these limitations by comparing the health trajectories of adult immigrants and natives in Germany over extended periods, using data from years 2002–2021 of the German Socio-Economic Panel (SOEP), and investigating a wide range of health outcomes, including self-assessed physical and mental health measures, diagnosed illnesses, and health behaviors. We employ a longitudinal approach that stratifies immigrants by age at arrival, and compares them to natives of the same age. This allows us to estimate both Hierarchical Linear Models and more rigorous Fixed Effects models to further address confounding. Cross-sectionally, we confirm previous literature's findings: recent immigrants are healthier than natives and established immigrants. Longitudinally, we find support for the unhealthy assimilation hypothesis concerning subjective health and mental health, but not for the others health indicators or behaviors. We interpret these findings as possible evidence of immigrants' reduced access to timely health care and emphasize the need for greater longitudinal research investigating migrant gaps in various health outcomes.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».