Lay Beliefs about Treatments for People with Mental Illness and Their Implications for Antistigma Strategies
Notice bibliographique
Résumé
OBJECTIVE: First, to describe factors influencing the public's attitude toward treatment recommendations for people with mental illness; second, to identify coherent belief systems about the helpfulness of specific interventions; and third, to discuss how to ameliorate mental health literacy and antistigma strategies. METHOD: Participants of a representative telephone survey in the general population (n = 1737) were presented with a vignette depicting a person with either schizophrenia or depression. From a list of suggestions, they were asked to recommend treatments for this person. We used a factor analysis to group these proposals and used the factors as the dependent variables in a multiple regression analysis. RESULTS: Treatment suggestions are summarized in 4 groups, each characterizing a specific therapeutic approach: 1) psychopharmacological proposals (that is, psychotropic drugs), 2) therapeutic counselling (from a psychologist or psychiatrist or psychotherapy), 3) alternative suggestions (such as homeopathy), and 4) social advice (for example, from a social worker). Medical treatments were proposed by people who had a higher education, who had a positive attitude toward psychopharmacology, who correctly recognized the person depicted in the vignette as being ill, who were presented with the schizophrenia vignette, who kept social distance, and who had contact with mentally ill people. The variables could explain alternative and social treatment proposals only to a small extent. CONCLUSIONS: The public's beliefs about treatment for people with mental illness are organized into 4 coherent systems, 2 of which involve evidence-based treatments. Medical treatment proposals are influenced by adequate mental health literacy; however, they are also linked to more social distance toward people with mental illness. Additionally, efforts to better explain nonmedical treatment suggestions are needed. Implications for further antistigma strategies are discussed.
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 | 0,003 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».