Víðtæk áhrif fordóma á einstaklinga með röskun á geðrænu heilbrigði : orsakir, áhrif og afleiðingar
Notice bibliographique
Résumé
Tilgangurinn með verkefninu er að kanna algengi fordóma gagnvart einstaklingum með geðsjúkdóma, áhrif þeirra og hversu útbreiddir þeir eru í samfélaginu. Skoðað var hvaðan þeir koma, hver áhrif þeirra eru á einstaklinga og hvaða þættir viðhalda þeim. Einnig eru settar fram tillögur að fræðslu til að auka þekkingu á geðsjúkdómum og draga þannig úr fordómum. \nNotast verður við eigindlega aðferðafræði við gerð rannsóknarinnar. Stuðst verður við 12 þrepa ferli Vancouver-skólans í fyrirbærafræðum og valdir verða einstaklingar sem hafa reynslu af fyrirbærinu með tilgangsúrtaki. \nFordómar gegn geðsjúkdómum eru útbreiddir í samfélögum. Samfélagið dregur ákveðnar ályktanir um geðsjúkdóma út frá staðalímynd, sálarástandi og fjölmiðlum sem tengja gjarnan geðsjúkdóma við ofbeldi, ógnun og óstöðugleika. Neikvæð viðhorf samfélagsins setja ákveðin takmörk á líf einstaklinga og hafa jafnframt áhrif á aðgengi að heilbrigðiskerfinu, sjúkdómatryggingum og atvinnumöguleikum. Mikilvægt er að setja málefnið í nærmynd og vekja fólk til vitundar um geðsjúkdóma vegna þess að einstaklingar með geðræna sjúkdóma og fjölskyldur þeirra reyna eftir fremsta megni að leyna sjúkdómnum til að mæta ekki andstöðu eða fordómum í samfélaginu. \nRannsakendur telja að til að hægt sé að koma á móts við þarfir einstaklinga og draga úr fordómum þurfi að huga að breytingum í geðheilbrigðisþjónustu til framtíðar. Mat rannsakenda er að æskileg þróun geðheilbrigðisþjónustunnar sé að hún færist meira út í samfélagið þar sem áhersla sé lögð á forvarnir, fræðslu og stuðning við sjúklinga og aðstandendur utan hinna hefðbundnu sjúkrahúsa. \n \nLykilhugtök: Fordómar, fjölskylda, geðsjúkdómar, hjúkrun, mismunun, staðalímynd, sjálfsfordómar, sjálfsmynd, stimplun.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».