MétaCan
Menu
← Back to cohort
Record W2953247707 · doi:10.71781/4900

Vécu de la stigmatisation des femmes atteintes de dépression majeure au Québec : une étude qualitative

2018· dissertation· fr· W2953247707 on OpenAlexaboutno aff
Joanne Durr

Bibliographic record

VenueOpen MIND · 2018
Typedissertation
Languagefr
FieldHealth Professions
TopicHealthcare Systems and Practices
Canadian institutionsnot available
Fundersnot available
KeywordsPolitical sciencePsychology

Abstract

fetched live from OpenAlex

La stigmatisation de la dépression majeure est un phénomène peu étudié mais dont la réalité a des conséquences importantes sur les individus. Certaines recherches montrent que la stigmatisation des maladies mentales, plus particulièrement de la dépression, est une barrière potentielle à la recherche de traitement et peut entraver l’intégration de l’individu dans la société et l’empêcher de travailler. C’est dans cette optique que, dans ce mémoire, nous examinons la stigmatisation de la dépression majeure et ses conséquences sur les individus. C’est à l’aide de dix récits de femmes qui ont souffert ou souffrant de dépression majeure que nous avons étudié la question de la stigmatisation de leur condition. À la lumière des résultats de notre échantillon, on observe effectivement une stigmatisation de la dépression majeure. L’auto-stigmatisation de la dépression majeure est très présente chez les participantes, qui acceptent difficilement leur condition. Elles se blâment pour leur maladie et ont honte. La maladie mentale se vit différemment de la maladie physique et ne s’accepte pas aussi facilement. Dans le milieu de travail, il semble que la stigmatisation anticipée par les participantes est plus grande que celle réellement vécue, mais elle reste néanmoins présente. Nombreuses sont celles qui recherchent du soutien auprès de leurs proches, mais des préjugés existent encore, ce qui accentue l’isolement social vécu par les participantes. La relation que les participantes entretiennent avec l’antidépresseur est ambiguë, conflictuelle et teintée par le désir de vouloir l’arrêter.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.165
Threshold uncertainty score0.333

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0050.006
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0070.003
Scholarly communication0.0020.001
Open science0.0010.002
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0050.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.257
GPT teacher head0.589
Teacher spread0.332 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueOpen MIND→Same topicHealthcare Systems and Practices→French-language works237,207→