Intersectional Discrimination in Mental Health Care: A Systematic Review With Qualitative Evidence Synthesis
Notice bibliographique
Résumé
OBJECTIVE: Discriminatory practices in mental health care undermine the right to health of marginalized service users. Intersectional approaches enable consideration of multiple forms of discrimination that occur simultaneously and remain invisible in single-axis analyses. The authors reviewed intersectionality-informed qualitative literature on discriminatory practices in mental health care to better understand the experiences of marginalized service users and their evaluation and navigation of mental health care. METHODS: The authors searched EBSCO, PubMed, MEDLINE, and JSTOR for studies published January 1, 1989-December 14, 2022. Qualitative and mixed-methods studies were eligible if they used an intersectional approach to examine discrimination (experiences, mechanisms, and coping strategies) in mental health care settings from the perspective of service users and providers. A qualitative evidence synthesis with thematic analysis was performed. RESULTS: Fifteen studies were included in the qualitative evidence synthesis. These studies represented the experiences of 383 service users and 114 providers. Most studies considered the intersections of mental illness with race, sexual and gender diversity, or both and were performed in the United States or Canada. Four themes were identified: the relevance of social identity in mental health care settings, knowledge-related concerns in mental health care, microaggressions in clinical practice, and service users' responses to discriminatory practices. CONCLUSIONS: Discriminatory practices in mental health care lead to specific barriers to care for multiply marginalized service users. Universities and hospitals may improve care by building competencies in recognizing and preventing discrimination through institutionalized training.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».