Stigmatization of severe mental illness in India: Against the simple industrialization hypothesis
Notice bibliographique
Résumé
BACKGROUND: Major international studies on course and outcome of schizophrenia suggest a better prognosis in the rural world and in low-income nations. Industrialization is thought to result in increased stigma for mental illness, which in turn is thought to worsen prognosis. The lack of an ethnographically derived and cross-culturally valid measure of stigma has hampered investigation. The present study deploys such a scale and examines stigmatizing attitudes towards the severely mentally ill among rural and urban community dwellers in India. AIM: To test the hypothesis that there are fewer stigmatizing attitudes towards the mentally ill amongst rural compared to urban community dwellers in India. MATERIALS AND METHODS: An ethnographically derived and vignette-based stigmatization scale was administered to a general community sample comprising two rural and one urban site in India. Responses were analyzed using univariate and multivariate statistical methods. RESULT: Rural Indians showed significantly higher stigma scores, especially those with a manual occupation. The overall pattern of differences between rural and urban samples suggests that the former deploy a punitive model towards the severely mentally ill, while the urban group expressed a liberal view of severe mental illness. Urban Indians showed a strong link between stigma and not wishing to work with a mentally ill individual, whereas no such link existed for rural Indians. CONCLUSION: This is the first study, using an ethnographically derived stigmatization scale, to report increased stigma amongst a rural Indian population. Findings from this study do not fully support the industrialization hypothesis to explain better outcome of severe mental illness in low-income nations. The lack of a link between stigma and work attitudes may partly explain this phenomenon.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».