Reducing Stigma and Promoting Empowerment: A Pre-Post Evaluation of ACE-LYNX Intervention on the Mental Health Literacy of University Providers
Notice bibliographique
Résumé
Background: Limited mental health literacy (MHL) among university service providers is a significant obstacle to effective psychological support. Developing and systematically assessing evidence-based interventions is an urgent priority, particularly in low- and middle-income countries (LMICs). This study aimed to evaluate the effectiveness of the Acceptance & Commitment to Empowerment: Linking Youths AND ‘Xin’ (Hearts) (ACE-LYNX) intervention in reducing stigma, improving psychological well-being, and enhancing the MHL and empowerment practices of university mental health providers in China. Methods: A total of 124 trained providers participated in this longitudinal study. Quantitative data were collected at baseline, immediately post-intervention, and three-month follow-up using the validated scale (CAMI, DASS-21) and weekly activity logs recording empowerment practices. Generalized estimating equations (GEEs) and qualitative content analysis were used for data analysis. Results: Quantitative analysis showed a significant reduction in stigma immediately postintervention, particularly in the Social Restriction subscale (β = 1.35, p < 0.001), though this effect diminished by the 3-month follow-up (β = 1.80, p = 0.001). Notably, a lasting reduction in the providers’ stress levels was maintained. Activity logs showed the highest level of engagement at the individual level (51.4%), followed by group level (32.0%), organizational level (10.5%), and community level (6.1%). Qualitative analysis revealed three themes: Skill-based empowerment enhances professional efficacy, embedded interventions expand service boundaries, and organizational empowerment fosters sustainability. Conclusions: This dual-focus ACE-LYNX intervention effectively improved MHL and both attitudinal and functional competencies among providers. It provides a scalable framework for fostering sustainable and inclusive campus mental health ecosystems, with significant implication for enhance psychological services in resource-constrained educational settings.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».