Is the self-reporting of mental health problems sensitive to public stigma towards mental illness? A comparison of time trends across English regions (2009–19)
Notice bibliographique
Résumé
PURPOSE: The prevalence of mental health problems has rapidly increased over time. The extent to which this captures changes in self-reporting due to decreasing stigma is unclear. We explore this by comparing time trends in mental health and stigma-related indicators across English regions. METHODS: We produced annual estimates of self-reported mental disorders (SRMDs) across waves of the Health Survey for England (2009-18, n = 78,226) and three stigma-related indicators (knowledge, attitudes, and intended behaviour) across waves of the Attitudes Towards Mental Illness survey (2009-19, n = 17,287). Differences in trends were tested across nine Government Office Regions using linear models, adjusting for age, sex, ethnicity, marital status, and social class. RESULTS: In 2009, SRMDs did not vary by region (p = 0.916), whereas stigma-related indicators did (p < 0.001), with London having the highest level of stigma and the North East having lowest level of stigma. Between 2009 and 2018, the prevalence of SRMDs increased from 4.3 to 9.1%. SRMDs increased and stigma-related indicators improved at different rates across regions over time (SRMDs p = 0.024; stigma-related indicators p < 0.001). London reported the lowest increase in SRMDs (+ 0.3 percentage point per year) yet among the largest improvements in attitudes and intended behaviour across regions. CONCLUSIONS: Improvements in attitudes towards mental illness did not mirror changes in self-reported mental health problems across English regions over the past decade. The findings do not support the argument that changes in public stigma, at least when defined at this regional scale, have been driving the increase in self-reported mental health indicators in recent years.
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 | 0,001 | 0,005 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 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 ».