Mental health literacy measures evaluating knowledge, attitudes and help-seeking: a scoping review
Notice bibliographique
Résumé
BACKGROUND: Mental health literacy has received increasing attention as a useful strategy to promote early identification of mental disorders, reduce stigma and enhance help-seeking behaviors. However, despite the abundance of research on mental health literacy interventions, there is the absence of evaluations of current available mental health literacy measures and related psychometrics. We conducted a scoping review to bridge the gap. METHODS: We searched PubMed, PsycINFO, Embase, CINAHL, Cochrane Library, and ERIC for relevant studies. We only focused on quantitative studies and English publications, however, we didn't limit study participants, locations, or publication dates. We excluded non-English studies, and did not check the grey literature (non peer-reviewed publications or documents of any type) and therefore may have missed some eligible measures. RESULTS: We located 401 studies that include 69 knowledge measures (14 validated), 111 stigma measures (65 validated), and 35 help-seeking related measures (10 validated). Knowledge measures mainly investigated the ability of illness identification, and factual knowledge of mental disorders such as terminology, etiology, diagnosis, prognosis, and consequences. Stigma measures include those focused on stigma against mental illness or the mentally ill; self-stigma ; experienced stigma; and stigma against mental health treatment and help-seeking. Help-seeking measures included those of help-seeking attitudes, intentions to seek help, and actual help-seeking behaviors. CONCLUSIONS: Our review provides a compendium of available mental health literacy measures to facilitate applying existing measures or developing new measures. It also provides a solid database for future research on systematically assessing the quality of the included measures.
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 | 0,030 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,010 |
| Bibliométrie | 0,037 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».