Community member attitudes and understanding of “serious mental illness”: A mixed-method study.
Notice bibliographique
Résumé
OBJECTIVE: "Serious mental illness" (SMI) is a priority population within mental health treatment and policy. However, there is no standard operational definition across research, clinical, and policy contexts. The use of the label has also not been evaluated regarding its association with stigma among the general public. This mixed-method study compared community members' stigma toward "SMI" with other psychiatric labels and examined community understanding and perceptions of the SMI label. METHOD: Two hundred forty-six participants recruited via Prolific read randomly manipulated vignettes describing an individual diagnosed with depression, schizophrenia, or "SMI" and completed measures of stigma and qualitative questions regarding familiarity, understanding, and perceived utility of SMI. Quantitative analyses evaluated stigma across vignettes, and qualitative analyses identified common themes across responses. RESULTS: Stigma was relatively high across vignettes, with more negative views reported toward SMI and schizophrenia compared with depression. Quantitative differences in stigma by vignette were not significant after controlling for participants' age and gender. Qualitative responses were split regarding the perceived utility of the SMI term, with noted concerns including its broadness and potential for stigma. Most participants described functional impairment or disability as characteristic of "SMI," and approximately 70% associated schizophrenia and psychotic disorders with "SMI" compared with 45% for depression. CONCLUSIONS AND IMPLICATIONS FOR PRACTICE: Person-level factors were more strongly associated with stigma than psychiatric labels. However, our sample described concerns that the SMI term is vague and may exacerbate stigma. Community education and antistigma efforts should move beyond diagnostic labels in characterizing mental illness to facilitate change in attitudes. (PsycInfo Database Record (c) 2024 APA, all rights reserved).
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».