MétaCan
Menu
Retour à la cohorte
Enregistrement W1980038721 · doi:10.1097/yco.0b013e32833bb305

Social inclusion and mental health

2010· review· en· W1980038721 sur OpenAlexaff
Virginie Cobigo, Heather Stuart

Notice bibliographique

RevueCurrent Opinion in Psychiatry · 2010
Typereview
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésInclusion (mineral)Mental healthPopularityContext (archaeology)LegislationLegislaturePublic relationsPsychologyPolitical scienceSocial psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Recent research on approaches to improving social inclusion for people with mental disabilities is reviewed. RECENT FINDINGS: We describe four approaches (or tools) that can be used to improve social inclusion for people with mental disabilities: legislation, community-based supports and services, antistigma/antidiscrimination initiatives, and system monitoring and evaluation. While legislative solutions are the most prevalent, and provide an important framework to support social inclusion, research shows that their full implementation remains problematic. Community-based supports and services that are person-centered and recovery-oriented hold considerable promise, but they are not widely available nor have they been widely evaluated. Antistigma and antidiscrimination strategies are gaining in popularity and offer important avenues for eliminating social barriers and promoting adequate and equitable access to care. Finally, in the context of the current human rights and evidence-based health paradigms, systematic evidence will be needed to support efforts to promote social inclusion for people with mental disabilities, highlight social inequities, and develop best practice approaches. SUMMARY: Tools that promote social inclusion of persons with mental disabilities are available, though not yet implemented in a way to fully realize the goals of current disability discourse.

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), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,840
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,003
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 Opus0,364
Tête enseignante GPT0,577
Écart entre enseignants0,213 · 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'étudeSans objet
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

Citations93
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in PsychiatryMême sujetMental Health and Patient InvolvementTravaux en français237 207