Perceived Discrimination among People with Self-Reported Emotional, Psychological, or Psychiatric Conditions in a Population-Based Sample of Canadians Reporting a Disability
Notice bibliographique
Résumé
OBJECTIVE: The prevalence of perceived discrimination among people reporting an emotional, psychological, or psychiatric condition in a population of people with a disability has not been studied. Our study evaluated a model that integrated having an emotional, psychological, or psychiatric condition while accounting for age, sex, education, employment, marital status, immigration status, and type of community to estimate the prevalence of perceived discrimination in the population of people with a disability. We hypothesized that higher levels of perceived discrimination would occur in people reporting an emotional, psychological, or psychiatric condition. METHOD: The Participation and Activity Limitation Survey (PALS) by Statistics Canada is a postcensual survey of community residents reporting health-related impairments. PALS was used to evaluate the interaction between self-reported emotional, psychological, or psychiatric conditions and demographic variables and the odds of experiencing discrimination. RESULTS: In the overall sample, 14.5% perceived discrimination and 18.2% reported having an emotional, psychological, or psychiatric condition. Thirty-five per cent of people with such conditions perceived discrimination. When adjusting for covariates, people reporting an emotional, psychological, or psychiatric condition were 3 times more likely to perceive having been discriminated against than people without such conditions. Across medical conditions, perceived discrimination was higher in people who also reported an emotional, psychological, or psychiatric condition. CONCLUSIONS: The results demonstrate that perceived discrimination and the presence of an emotional, psychological, or psychiatric condition frequently co-occur in people with a disability and therefore programs aimed at reducing the discrimination of emotional, psychological, or psychiatric conditions should take this into account.
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 | 0,003 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».