Depression Disparities in Older Korean and Chinese Immigrants in the United States
Notice bibliographique
Résumé
Abstract This meta-analysis compares depression levels among Chinese and Korean immigrants aged 60 and older in the United States. Studies published between 2010 and 2024 were synthesized using standardized mean differences (SMDs) from a random-effects model. Korean immigrants reported higher depressive symptoms than Chinese immigrants when assessed with the Patient Health Questionnaire (PHQ) (SMD = 0.0778, SE = 0.0193, p < .0001, 95% CI [0.0409, 0.1147]), but no significant difference emerged with the Geriatric Depression Scale (GDS) (SMD = -0.0060, SE = 0.0625, p = 0.9233, 95% CI [-0.1284, 0.1164]). Within-group analyses indicated that GDS produced higher depression scores than PHQ for both groups. Among Chinese immigrants, PHQ scores were significantly lower than GDS scores (SMD = -0.2430, SE = 0.0411, p < .0001, 95% CI [-0.3235, -0.1625]), suggesting PHQ may underestimate depression. Likewise, Korean immigrants recorded lower PHQ scores than GDS scores (SMD = -0.1601, SE = 0.0569, p = 0.0049, 95% CI [-0.2715, -0.0486]). Korean immigrants’ CES-D scores were also lower than GDS scores (SMD = -0.0998, SE = 0.0417, p = 0.0167, 95% CI [-0.1816, -0.0181]). Potential contributors included acculturation, social support, socioeconomic status, language barriers, healthcare availability, and intergenerational dynamics. These findings underscore the importance of culturally tailored screening and interventions. Research should address measurement disparities, investigate longitudinal patterns, and develop targeted strategies to reduce depression among older Asian immigrants. This could inform policies and optimize mental health outcomes for this vulnerable population. Clinicians and policymakers should prioritize culturally responsive mental health screening, interventions, and policy reforms.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».