The weaponization of medicine: Early psychosis in the Black community and the need for racially informed mental healthcare
Notice bibliographique
Résumé
There is a notable disparity between the observed prevalence of schizophrenia-spectrum disorders in racialized persons in the United States and Canada and White individuals in these same countries, with Black people being diagnosed at higher rates than other groups. The consequences thereof bring a progression of lifelong punitive societal implications, including reduced opportunities, substandard care, increased contact with the legal system, and criminalization. Other psychological conditions do not show such a wide racial gap as a schizophrenia-spectrum disorder diagnosis. New data show that the differences are not likely to be genetic, but rather societal in origin. Using real-life examples, we discuss how overdiagnoses are largely rooted in the racial biases of clinicians and compounded by higher rates of traumatizing stressors among Black people due to racism. The forgotten history of psychosis in psychology is highlighted to help explain disparities in light of the relevant historical context. We demonstrate how misunderstanding race confounds attempts to diagnose and treat schizophrenia-spectrum disorders in Black individuals. A lack of culturally informed clinicians exacerbates problems, and implicit biases prevent Black patients from receiving proper treatment from mainly White mental healthcare professionals, which can be observed as a lack of empathy. Finally, we consider the role of law enforcement as stereotypes combined with psychotic symptoms may put these patients in danger of police violence and premature mortality. Improving treatment outcomes requires an understanding of the role of psychology in perpetuating racism in healthcare and pathological stereotypes. Increased awareness and training can improve the plight of Black people with severe mental health disorders. Essential steps necessary at multiple levels to address these issues are discussed.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».