Symptom profiles and explanatory models of first‐episode psychosis in African‐, Caribbean‐ and European‐origin groups in Ontario
Notice bibliographique
Résumé
AbstractAimTo assess variability in symptom presentation and explanatory models of psychosis for people from different ethnic groups.MethodsClients with first‐episode psychosis (n = 171) who identified as black African, black Caribbean or white European were recruited from early intervention programmes in Toronto and Hamilton. We compared results by ethnic group for symptom profiles and explanatory models of illness.ResultsClients of black Caribbean origin had a lower odds of reporting that they were speaking incomprehensibly (OR = 0.36; 95% CI: 0.14–0.90) and black African clients had a greater odds of reporting persistent aches or pains (OR = 2.92; 95% CI: 1.32–6.50). Black African clients had a lower odds of attributing the cause of psychosis to hereditary factors (OR = 0.41; 95% CI: 0.19–0.89) or to substance abuse (OR = 0.29; 95% CI: 0.13–0.67) and had a lower odds of assigning responsibility for their illness to themselves (OR = 0.41; 95% CI: 0.19–0.89).ConclusionsUnderstanding the differences in illness models for ethnic minority groups may help improve the cultural competence of mental health services.This is the peer reviewed version of the following article: [Symptom profiles and explanatory models of first‐episode psychosis in African‐, Caribbean‐ and European‐origin groups in Ontario. Early Intervention in Psychiatry 11, 2 p165-170 (2015)], which has been published in final form at https://doi.org/10.1111/eip.12272. This article may be used for non-commercial purposes in accordance with Wiley Terms and Conditions for Use of Self-Archived Versions: https://authorservices.wiley.com/author-resources/Journal-Authors/licensing/self-archiving.html#3. Deposited by shareyourpaper.org and openaccessbutton.org. We've taken reasonable steps to ensure this content doesn't violate copyright. However, if you think it does you can request a takedown by emailing help@openaccessbutton.org.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».