Mental health services: the African gap
Notice bibliographique
Résumé
Purpose – Neuropsychiatric disorders account for a substantial proportion of disease burden and disability in Africa. Despite this, mental health systems are under-resourced in Africa, as in most parts of the world, creating a “treatment gap” and denying the African population the right to mental health achieved through access to mental health services. The paper aims to discuss these issues. Design/methodology/approach – The mental health systems of African countries were compared with figures for all low- and middle-income countries (LAMICS) using data from the World Health Organization Assessment Instrument for Mental Health Systems. Comparable global figures were also available for some indicators from the WHO's World Mental Health Atlas 2011. Findings – Selected indicators of mental health systems are presented for 14 African countries and shows that they are lower as compared to figures for all other LAMICS and also global figures. The treatment gap for mental disorders is much higher in Africa than comparable global figures. For example, the treatment gap for mood disorders has been estimated from 95 to 100 per cent for some African countries. Originality/value – There is an imbalance between need and service provision in the area of mental health across the world but particularly in Africa. Despite this, there are a greater number of outpatient than inpatient services in Africa which provides an opportunity for development of community-based services. There are also many encouraging examples of effective approaches to reducing the burden of neuropsychiatic disease in Africa.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».