Exploring Mental Health Literacy in Canada: A Mixed-Method Cross-Sectional Study
Notice bibliographique
Résumé
Introduction: Mental health literacy (i.e., mental health-related knowledge, attitudes, and behaviour; MHL) may be a key to reducing the burden of mental illness on the health system and to improving the overall population’s mental health through facilitating upstream mental health promotion. Objectives: The purpose of this mixed-method study is to explore the correlates of MHL in Atlantic Canada and assess the ability of residents to correctly diagnose a disorder, identify potential causes, and propose suitable treatments based on the medical model or a social prescribing model. Methods: A sample of Atlantic Canadians (N = 254) participated in this cross-sectional study, which included vignettes and measures of overall MHL, level of contact with people living with mental illness, and preferred level of social distance from people with mental illness. Results: We found that (a) social connections were more commonly prescribed for generalized anxiety relative to the medical model treatment recommendations, (b) panic disorder was least likely to be correctly identified, (c) general anxiety was disproportionately thought to be caused by external factors, (d) only social distance predicts MHL beyond demographics and level of contact, and (e) household (not individual) conservative orientation negatively predicts MHL. Conclusion: Efforts to improve MHL and thus reduce the burden of mental illness on Atlantic Canadian health systems could be informed by increasing public knowledge of the causes and treatments of generalized anxiety disorder, increasing residents’ ability to recognize disorders beyond depression (e.g., panic disorder), and reducing stigma by fostering comfort for those living near individuals with mental illness.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».