A critical synthesis of interventions to reduce stigma attached to mental illness
Notice bibliographique
Résumé
Background: Interventions have been developed and implemented to reduce the stigma attached to mental illness. However, mental healthcare users are still stigmatised.Objective: The objective of this study was to critically synthesise the best available evidence regarding interventions to reduce stigma attached to mental illness.Method: An exploratory and descriptive research design was followed to identify primary studies; systematic review identifid primary studies answering this research question: What best evidence is available regarding interventions to reduce the stigma attached to mental illness? A search was done on selected electronic databases. Seventeen studies (n = 17) were identifid as providing evidence that answered the research question. The following instruments were used: Critical Appraisal Skills Programme, John Hopkins Nursing Evidence-Based Practice research evidence appraisal tool and the Academy of Nutrition and Dietetics Evidence Analysis Manual. The study was submitted to the Post-graduate Education and Research Committee of the School of Nursing Science at Potchefstroom Campus of North-West University for approval.Results: Results indicated some interventions that reduce the stigma attached to mental illness, such as web-based approaches, printed educational materials, documentary and antistigma fims, as well as live and video performances.Conclusions: Humanising interventions seems to have a positive effect on reducing stigma attached to mental illness. From the results and conclusions recommendations were formulated for nursing practice, nursing education and research.Agtergrond: Ingrypings is ontwikkel en geïmplementeer om die stigma verbonde aan geestesongesteldhede te verminder. Die persone wat aan geestesongesteldhede ly, ondervind egter steeds dat daar 'n stigma aan hulle kleef.Doelstellings: Die doel van die studie was om die beste beskikbare voorbeelde van intervensies om stigmatisering van geestesongesteldhede te verminder, krities saam te vat.Metode: ’n Verkennende en beskrywende navorsingsontwerp is gevolg om primêre studies te identifieer. ’n Sistematiese oorsig is gekies as metode om primêre studies te identifieer om die volgende navorsingsvraag te beantwoord: Wat is die beste beskikbare voorbeelde vaningrypings om die stigma verbonde aan geestesongesteldhede te verminder? ’n Ondersoek is gedoen op ’n uitgesoekte elektroniese databasis.Resultate: Tydens die keuring van studies is 17 studies geïdentifieer (n = 17) as bewyslewering en wat die navorsingsvraag beantwoord. Die volgende instrumente is gebruik: ‘Critical Appraisal Skills Programme’, ‘John Hopkins Nursing Evidence-Based Practice’, ‘Research Evidence Appraisal Tool and Evidence Analysis Manual’, en ‘Academy of Nutrition and Dietetics’.Gevolgtrekking: Die studie is aan die Nagraadse Onderrig- en Navorsingskomitee van die Skool van Verpleegkunde van die Potchefstroomkampus, Noordwes-Universiteit, voorgelê vir goedkeuring. Aanbevelings is geformuleer vir die verpleegpraktyk, verpleegonderrig ennavorsing.
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 | 0,089 | 0,268 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,010 |
| Bibliométrie | 0,035 | 0,015 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».