341 Effect of perceived discrimination on health and healthcare utilization among international migrants in Europe – a systematic review
Notice bibliographique
Résumé
OP 16: Exclusion and Discrimmination 2, B207 (FCSH), September 4, 2025, 13:30 - 14:30 Aims Research on the association between perceived discrimination and health-related outcomes stems largely from the US context. Discrimination is one of the major health challenges facing migrants and refugees in Europe, but it is unclear whether existing evidence is transferrable to a European context. This contribution aims to synthesize the empirical evidence on the effect of perceived discrimination in the post-migration phase on health and healthcare utilization among international migrants in Europe. Methods We conducted a systematic review (PROSPERO 2024 CRD42024508134) using PubMed, Web of Science, ScienceDirect, SSOAR for quantitative studies published from January 2000 to February 2024. The identified studies were independently screened by two researchers regarding previously defined inclusion and exclusion criteria. Evidence was synthesized using descriptive statistics and a narrative approach for summarizing key results. Results The search yielded 11,093 records (8,828 after deduplication), with 134 articles remaining after the screening phase. Preliminary results show that the majority of studies (82%) addressed mental health and well-being, followed by physical health (21%) and self-rated health (16%). Just over a quarter (27%) of the studies measured perceived discrimination using a single item; the most commonly used scale was a single yes/no exposure (30%), followed by the Everyday Discrimination Scale (21%). The vast majority of studies are based on cross-sectional data, resulting in a lack of evidence of causal relationship between discrimination and health-related outcomes. Only 13% of the studies focused on refugees. The largest number of studies were conducted in Germany (23%), the Netherlands (22%), Spain (15%) and across multiple countries in Europe (12%). Conclusion The included studies provide evidence for negative effects of discrimination on mental and physical health among migrants in Europe. Nevertheless, further research is needed on causal mechanisms and outcomes other than mental health to inform appropriate policy intervention.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».