Stigma in health facilities: why it matters and how we can change it
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Stigma in health facilities undermines diagnosis, treatment, and successful health outcomes. Addressing stigma is fundamental to delivering quality healthcare and achieving optimal health. This correspondence article seeks to assess how developments over the past 5 years have contributed to the state of programmatic knowledge-both approaches and methods-regarding interventions to reduce stigma in health facilities, and explores the potential to concurrently address multiple health condition stigmas. It is supported by findings from a systematic review of published articles indexed in PubMed, Psychinfo and Web of Science, and in the United States Agency for International Development's Development Experience Clearinghouse, which was conducted in February 2018 and restricted to the past 5 years. Forty-two studies met inclusion criteria and provided insight on interventions to reduce HIV, mental illness, or substance abuse stigma. Multiple common approaches to address stigma in health facilities emerged, which were implemented in a variety of ways. The literature search identified key gaps including a dearth of stigma reduction interventions in health facilities that focus on tuberculosis, diabetes, leprosy, or cancer; target multiple cadres of staff or multiple ecological levels; leverage interactive technology; or address stigma experienced by health workers. Preliminary results from ongoing innovative responses to these gaps are also described.The current evidence base of stigma reduction in health facilities provides a solid foundation to develop and implement interventions. However, gaps exist and merit further work. Future investment in health facility stigma reduction should prioritize the involvement of clients living with the stigmatized condition or behavior and health workers living with stigmatized conditions and should address both individual and structural level 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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle