How Stigma and Discrimination Influences Nursing Care of Persons Diagnosed with Mental Illness: A Systematic Review
Notice bibliographique
Résumé
One in four people in the world will be affected by mental illness in their lifetime, placing mental disorders as the leading cause of disability worldwide. This qualitative systematic review was to explore perceived stigma and discrimination experienced by individuals seeking care for physical or mental health concerns. Specifically, it sought to uncover the level of perceived stigma and discrimination experienced by mentally ill patients seeking care for physical or mental health concerns. Seven databases were searched between January 1, 2007 to November 1, 2018. Selected studies met the following inclusion criteria: 1) English language and published within North America, Australia, or United Kingdom; 2) studies and articles that consider individuals with mental illness seeking help for either mental or physical conditions in the hospital setting except for within mental health wards; and 3) research in which the phenomenon of interest examined how stigma and discrimination influences the perception of nursing care received by the mentally ill patient and the perception of nurses who provide care to the mentally ill patient. Eight studies met the inclusion criteria. Studies reported that both patients and nurses perceive similar barriers to person-centered care resulting from stigma toward mental illness. This significantly compromised quality person-centered care, and negatively affected the nurse-client relationship. Results indicate the need for further research to determine how health care and educational institutions play a role in perpetuating stigma against mental illness through the prioritization of physical illness over mental illness.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».