Transcultural Psychiatry: Some Social and Epidemiological Research Issues
Notice bibliographique
Résumé
BACKGROUND: Mental Health Research across cultural groups is often criticised for using imprecise measures of cultural group and for using outcome measures as if they have universal validity. AIMS: 1. To Investigate the effect of using different cultural group variables on the findings of a survey of prevalence of Common Mental Disorders. 2. To demonstrate that assumptions of validity for outcomes measures can affect the interpretation of data from prevalence surveys. METHODS: We recruited Punjabi and English subjects to a phase prevalence survey that included the Amritsar Depression Inventory and the General Health Questionnaire as screening instruments. The Clinical Interview Schedule was the outcome measure. This paper reports on a secondary analysis of the data. We used ethnic group, place of birth, religion, first language and language spoken at interview as possible cultural group variables and compared the prevalence estimates. We then considered the limitations of conventional methods to assess prevalence, by looking at mean scores on each of the three instruments in both cultural groups. RESULTS: Cultural group variables did not influence the prevalence estimates for Common Mental Disorder. Although conventional scoring methods showed no difference in prevalence across cultures, the mean scores on each instrument, when compared across cultural groups, differed for the Amritsar Depression Inventory. This instrument showed a higher mean score for the Punjabis suggesting a higher prevalence. The findings are discussed in the context of value laden 'assumptions' about validity. CONCLUSIONS: The findings of prevalence surveys depend on assumptions of validity. The 'culture' of psychiatry is a closed system in which validation studies support its basic assumptions.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».