MétaCan
Menu
Retour à la cohorte
Enregistrement W1789270470 · doi:10.1111/inm.12040

Emergency department staff attitudes towards mental health consumers: A literature review and thematic content analysis

2013· review· en· W1789270470 sur OpenAlexaff
Diana E. Clarke, Rachel Usick, Ana Sanderson, Lori Giles‐Smith, John Baker

Notice bibliographique

RevueInternational Journal of Mental Health Nursing · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMental healthThematic analysisEmergency departmentPsychological interventionContent analysisPsychologyStigma (botany)MedicineNursingPsychiatryQualitative researchSociology

Résumé

récupéré en direct d'OpenAlex

Visits to the emergency department (ED) for mental health reasons account for 10-15% of all visits. Consumers of mental health ED services, however, report that they often feel sent to the back of the queue and that their mental health concerns are not taken seriously, suggesting that societal stigma has impacted their care in the ED. In this study, we systematically explore the research concerning the attitudes of ED professional staff towards those who present with issues related to mental health. Four themes emerge from the literature: consumer perspectives, whose tenor is generally one of negativity; staff-reported attitudes and influencing factors, such as age, experience, and confidence in working with mental health presentations; the environmental climate of the ED, which might not be conducive to good mental health care; and interventions that have been used to evaluate changes in attitudes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,466
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations115
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mental Health NursingMême sujetEmergency and Acute Care StudiesTravaux en français237 207