‘I’m not sick!…Are you?’ Groupthink in police services as a barrier to collecting mental health data
Notice bibliographique
Résumé
Despite the high prevalence of mental disorders among Canadian police officers, treatment-seeking is lower than expected. Toward understanding how mental health services can be tailored for higher utilization by police, we aim to uncover factors that contribute to stigma and barriers to use, specifically within the context of group dynamics between officers. Nine semi-structured focus groups and one interview were conducted with civilian and non-civilian police service employees in Ontario, Canada. Data were coded to allow for themes to emerge from the transcripts. Participant voices ( n=33) revealed the presence of three characteristics of Janis’ groupthink: high group cohesion, conditions that create high stress and low self-esteem, and operating under directive leadership; each creating pressures that serve as barriers to treatment-seeking [Janis IL (1972) Victims of Groupthink: A Psychological Study of Foreign-Policy Decisions And Fiascoes. Boston: Houghton Mifflin]. Groupthink offers a potential explanation about why police, despite a high prevalence of mental disorders and access to mental health services, do not seek treatment as expected. Janis’s theory of groupthink is supported by police officer dialogue in focus groups. Understanding police group interactions can better inform prevention and treatment programs, ultimately leading to better access and use of existing mental health services, a reduction in stigma associated with treatment-seeking, and a healthier police workforce.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».