Epidemiological patterns of mental disorders and stigma in a community household survey in urban slum and rural settings in Kenya
Notice bibliographique
Résumé
PURPOSE: This study investigated the epidemiological patterns of mental illness and stigma in community households in Kenya using a cross-sectional community household survey among 846 participants. METHODS: A cross-sectional community household survey was conducted around urban slum (Kangemi) and rural (Kibwezi) selected health facilities in Kenya. All households within the two sites served by the selected health facilities were included in the study. To select the main respondent in the household, the oldest adult who could speak English, Kiswahili or both (the official languages in Kenya) was selected to participate in the interview. The Opinion about Mental Illness in Chinese Community (OMICC) questionnaire and the MINI-International Neuropsychiatric Interview-Plus Version 5 (MINI) tools were administered to the participants. Pearson's chi-square test was used to compare prevalence according to gender, while adjusted regression models examined the association between mental illness and views about mental illness, stratified by gender. RESULTS: The overall prevalence of mental illness was 45%, showing gender differences regarding common types of illness. The opinions about mental illness were similar for men and women, while rural respondents were more positively opinionated than urban participants. Overall, suffering from mental illness was associated with more positive opinions among women and more negative opinions among men. CONCLUSION: More research is needed into the factors explaining the observed differences in opinion about mental illness between the subgroups, and the impact of mental illness on stigma in Kenya in order to create an evidence-based approach against stigma.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».