Poids, santé générale et santé mentale : la situation de divers sous-groupes d'immigrants au Canada
Bibliographic record
Abstract
Au Canada, l’immigrant recent est souvent en meilleure sante que le non-immigrant. L’etat de sante des sous-groupes d’immigrants (ethniques, culturels, linguistiques) est moins bien connu. En utilisant des donnees de l’Enquete sur la sante dans les collectivites canadiennes 2005 (Cycle 3.1), les associations entre trois caracteristiques des immigrants (1-temps ecoule depuis l’immigration, 2-etre une minorite visible, 3-parler une langue officielle) et trois indicateurs de sante (1-sante generale percue, 2-sante mentale percue, 3-indice de masse corporelle (IMC)) ont ete modelisees a l’aide de regressions logistiques multiples pour les immigrants des regions metropolitaines de recensement de Montreal, Toronto et Vancouver. Elles ont ete ajustees pour des facteurs sociodemographiques. Les immigrants recemment arrives qui appartiennent a une minorite visible sont moins susceptibles d’avoir une mauvaise sante percue, tant generale (RC 0,72; IC95 % 0,54–0,97) que mentale (RC 0,64; IC95 % 0,43–0,96) et un IMC≥25 (RC 0,51; IC95 % 0,43–0,61) que les non-immigrants. Ceux qui n’appartiennent pas a une minorite visible ne presentent pas ces associations. Les immigrants qui ne parlent pas une langue officielle sont plus susceptibles d’avoir une mauvaise sante generale percue (RC 1,49; IC95 % 1,06–2,10) que les non-immigrants. A Toronto et Vancouver, les immigrants tendent a etre associes a un IMC moindre que les non-immigrants alors que ce n’est pas le cas a Montreal. Cette etude temoigne de la presence du phenomene de l’immigrant en bonne sante au Canada mais demontre qu’une grande variabilite existe entre les sous-groupes d’immigrants. Ces constats sont importants pour une planification adequate des services aux immigrants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".