Predicting rejection attitudes toward utilizing formal mental health services in Muslim women in the US: Results from the Muslims’ perceptions and attitudes to mental health study
Notice bibliographique
Résumé
Background: The underutilization of mental health services is a recognized problem for the growing number of Muslims living in the West. Despite their unique mental health risk factors and the pivotal role they play in determining mental health discourse in their families and in society, Muslim women in particular have not received sufficient study. Aim: To help remedy this research gap, we examined factors that may impact the rejection attitudes of Muslim women toward professional mental health care using the first psychometrically validated scale of its kind; the M-PAMH (Muslims’ Perceptions and Attitudes to Mental Health). Methods: A total of 1,222 Muslim women responded to questions about their cultural and religious beliefs about mental health, stigma associated with mental health, and familiarity with formal mental health services in an anonymous online survey. Results: Hierarchical multiple regression analysis revealed that higher religious and cultural beliefs, higher societal stigma, and lower familiarity with professional mental health services were associated with greater rejection attitudes toward professional mental healthcare. The final model was statistically significant, F (5, 1,216) = 73.778; p < .001, and explained 23% of the variance in rejection attitudes with stigma accounting for the most (12.3%) variance, followed by cultural and religious mental health beliefs (6%), and familiarity with mental health services (2.7%). Conclusions: Findings suggest that although the examined factors contributed significantly to the model, they may not be sufficient in the explanation of Muslim women's rejection attitudes toward mental health services. Future research may explore additional variables, as well as predictive profiles for Muslim women’s perceptions and attitudes of mental health based on a combination of these factors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».