Labelling of mental illness in a paediatric emergency department and its implications for stigma reduction education
Notice bibliographique
Résumé
INTRODUCTION: Stigmatizing attitudes and behaviours towards patients with mental illness have negative consequences on their health. Despite research regarding educational and social contact-based interventions to reduce stigma, there are limitations to the success of these interventions for individuals with deeply held stigmatizing beliefs. Our study sought to better understand the process of implicit mental illness stigma in the setting of a paediatric emergency department to inform the design of future educational interventions. METHODS: We conducted a qualitative exploration of mental illness stigma with interviews including physician, nurse, service user, caregiver and administrative staff participants (n = 24). We utilized the implicit association test as a discussion prompt to explore stigma outside of conscious awareness. We conducted our study utilizing constructivist grounded theory methodology, including purposeful theoretical sampling and constant comparative analysis. RESULTS: Our study found that the confluence of socio-cultural, cognitive and emotional forces results in labelling of patients with mental illness as time-consuming, unpredictable and/or unfixable. These labels lead to unintentional avoidance behaviours from staff which are perceived as prejudicial and discriminatory by patients and caregivers. Participants emphasized education as the most useful intervention to reduce stigma, suggesting that educational interventions should focus on patient-provider relationships to foster humanizing labels for individuals with mental illness and by promoting provider empathy and engagement. DISCUSSION: Our results suggest that educational interventions that target negative attributions, consider socio-cultural contexts and facilitate positive emotions in healthcare providers may be useful. Our findings may inform further research and interventions to reduce stereotypes towards marginalized groups in healthcare settings.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».