Dismantling Structural Stigma Related to Mental Health and Substance Use: An Educational Framework
Notice bibliographique
Résumé
Stigma related to mental health and substance use (MHSU) is a well-established construct that describes how inequitable health outcomes can result from prejudice, discrimination, and marginalization. Although there is a body of literature on educational approaches to reduce stigma, antistigma education for MHSU has primarily focused on stigma at the social, interpersonal/public, and personal (self-stigma) levels, with little attention to the problem of structural stigma. Structural stigma refers to how inequity is manifested through rules, policies, and procedures embedded within organizations and society at large. Structural stigma is also prominent within clinical learning environments and can be transmitted through role modeling, resulting in inequitable treatment of vulnerable patient populations. Addressing structural stigma through education, therefore, has the potential to improve equity and enhance care. A promising educational approach for addressing structural stigma is structural competency, which aims to enhance health professionals' ability to recognize and respond to social and structural determinants that produce or maintain health disparities. In this article, the authors propose a framework for addressing structural MHSU stigma in health professions education that has 4 key components and is rooted in structural humility: recognizing structural forms of stigma; reflecting critically on one's own assumptions, values, and biases; reframing language away from stereotyping toward empathic terms; and responding with actions that actively dismantle structural MHSU stigma. The authors propose evidence-informed and practical suggestions on how structural competency may be applied within clinical learning environments to dismantle structural MHSU stigma in organizations and society at large.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».