Measuring Stigma Cultures in Healthcare Settings: Development and Testing of a New Measure
Notice bibliographique
Résumé
Abstract Background Organizational cultures represent the norms, values, and assumptions underlying day to data activities and interactions. People with a mental or substance use disorder experience considerable stigma when interacting with healthcare cultures such as feeling patronized, humiliated, and excluded from treatment decisions. The management of healthcare cultures, and specifically stigma cultures, is increasingly viewed as a key aspect of healthcare reform. To evaluate the effectiveness of interventions to reduce stigma cultures in healthcare, valid and reliable measures are needed. Numerous measures assess aspects of the quality of care provided to people with a mental or substance use disorder, but none specifically addresses stigma cultures. To fill this gap, we developed and tested a new mental illness related stigma measure to be used in healthcare organizations to assess stigma cultures of care. Methods Item generation was grounded in the lived experiences of people (n = 20) with a mental or substance use disorder and reflect their personal experiences with healthcare encounters for physical or emotional health care. Items are rated on a 4-point agreement scale with higher scores indicating higher stigma. Following the qualitative analysis, national survey data (n = 2,476) were collected to conduct an exploratory and confirmatory factor analysis on split halves of the sample. Results The analyses provided statistical support for a 23-item unidimensional scale that could be used in any healthcare setting to assess the presence of a stigma culture. Reliability was high (.92) and the resulting scale scores (ranging from 0 to 92) were approximately normal. Conclusions The resulting Stigma Cultures in Healthcare scale can be used across a range of physical and mental healthcare settings to assess the extent to which the culture of care is experienced as stigmatizing by clients with mental or substance use disorders.
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 | 0,028 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».