Transitioning toward a better future in behavioral health: From institutional betrayal to racial healing.
Notice bibliographique
Résumé
Racial trauma, betrayal trauma, and institutional betrayal are baked into the history of the United States. This legacy of injustice encompasses direct experiences of racism and discrimination, as well as a broader sense of betrayal in which the very institutions tasked with helping people, such as the U.S. health care system, let them down in egregious, painful, or even fatal ways. Using the theories of racial trauma (i.e., an extreme stress response to cumulative firsthand and vicarious experiences of racism and discrimination), betrayal trauma (i.e., a violation of trust by a person on whom someone is reliant, particularly for well-being), and institutional betrayal (i.e., when the violation of trust is perpetrated by an institution on which someone relies), we describe how Black Americans have been mistreated by the U.S. health care system in the past and at present. We then utilize a modified version of Bronfenbrenner's socioecological framework to explore the role of racial and betrayal trauma in perpetuating harm against Black Americans at the micro, meso, and macrolevels. We also provide concrete examples and strategies to address racial healing and provide racial trauma-informed care to Black Americans by promoting the role of providers in engaging in such practices, the role of administrators in making these practices part of institutional policy, and the role of broader institutions in admitting wrongdoing and promoting full transparency in making meaningful and lasting changes. (PsycInfo Database Record (c) 2026 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».