MétaCan
Menu
Retour à la cohorte
Enregistrement W2520489326 · doi:10.1002/ajcp.12085

Toward a Culturally Responsive Model of Mental Health Literacy: Facilitating Help‐Seeking Among East Asian Immigrants to North America

2016· article· en· W2520489326 sur OpenAlexafffund
Sumin Na, Andrew G. Ryder, Laurence J. Kirmayer

Notice bibliographique

RevueAmerican Journal of Community Psychology · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensConcordia UniversityJewish General HospitalMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaWorld Health OrganizationU.S. Department of Health and Human Services
Mots-clésHealth psychologyImmigrationMental healthPublic healthHealth literacyLiteracyPsychologyAsian americansCultural competenceEthnic groupMedicineSociologyPsychiatryPolitical scienceHealth careNursingPedagogyAnthropology

Résumé

récupéré en direct d'OpenAlex

Studies have consistently found that East Asian immigrants in North America are less likely to use mental health services even when they experience levels of distress comparable to Euro-Americans. Although cultural factors that may prevent East Asian immigrants from seeking mental health care have been identified, few studies have explored ways to foster appropriate help-seeking and use of mental health services. Recent work on mental health literacy provides a potential framework for strategies to increase appropriate help-seeking and use of services. This paper reviews the literature on help-seeking for mental health problems among East Asian immigrants living in Western countries to critically assess the relevance of the mental health literacy approach as a framework for interventions to improve appropriate use of services. Modifications needed to develop a culturally responsive framework for mental health literacy are identified.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,003
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,047
Tête enseignante GPT0,378
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations153
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Community PsychologyMême sujetMigration, Health and TraumaTravaux en français237 207