MétaCan
Menu
Retour à la cohorte
Enregistrement W2807120024 · doi:10.1093/phe/phy011

Public Mental Health Ethics: Helping Improve Mental Health for Individuals and Communities

2018· article· en· W2807120024 sur OpenAlexaff
Diego S. Silva, Cynthia Forlini, Carla Meurk

Notice bibliographique

RevuePublic Health Ethics · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueMental Health Treatment and Access
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésMental healthPublic healthContext (archaeology)Mental illnessPsychiatryHealth promotionAffect (linguistics)Middle Eastern Mental Health Issues & SyndromesHealth careMedicinePromotion (chess)PoliticsPsychologyNursingPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The burdens of mental illnesses and substance use disorders do not lie merely with the individuals who suffer from these conditions but affect, and are affected by, their families, communities, cities and countries. The ethical and political challenges that arise in the treatment of mental illnesses and substance abuse disorders are, therefore, challenges that affect both individuals and communities. In this symposium of Public Health Ethics, we attempt to concretize a burgeoning field of inquiry within public health ethics that focuses on mental health. ‘Public mental health ethics’ (PMHE) identifies and analyses ethical and political challenges as they relate to (i) the promotion of mental health in populations and (ii) the population-level prevention and treatment of mental illnesses and substance use disorders. PMHE prioritizes the ethical analysis of public health, policy and social care activities that are needed to reduce the burden of mental illness and substance use disorders. Although interested in ethical challenges that individuals with these conditions may face in relation to accessing and receiving routine health and medical care, PMHE focusses on the broader policy and programmatic context within which such care is delivered and accessed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0200,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,412
Tête enseignante GPT0,509
Écart entre enseignants0,097 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePublic Health EthicsMême sujetMental Health Treatment and AccessTravaux en français237 207