Predictors of Likelihood and Intensity of Past-Year Mental Health Service Use in an Active Canadian Military Sample
Notice bibliographique
Résumé
OBJECTIVE: This study examined associations between sociodemographic, military, and psychiatric need variables and past-year mental health service use among active Canadian military members. The likelihood and intensity of services were examined across two provider types--mental health providers and medical providers. METHODS: Data were drawn from the first epidemiological survey of mental health in the Canadian Forces, conducted by Statistics Canada in 2002. Survey instruments included the Composite International Diagnostic Interview, which was used to assess mental health and service use. RESULTS: Of the 8,441 military members who participated in the survey, 14.5% (N=1,220) met criteria for having a mental disorder in the past year. However, of the 8,441 only 9.1% (N=767) contacted a mental health provider in the past year for mental health problems; even fewer (N=539, 6.4%) contacted a medical provider. Across the two provider types, the majority of those seeing a provider reported five or fewer mental health visits in the past year. In univariate and multivariate analyses across the two provider types, psychiatric need variables were consistently associated with both greater service use likelihood and intensity. In multivariate analyses, lower military rank was consistently associated with both greater service use likelihood and intensity. CONCLUSIONS: Of the entire military sample, only a small percentage used mental health services. The observed associations between military and psychiatric need variables and mental health service use in this study should be used by military health care providers and administrators to increase mental health service use among those most at risk of not using services.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 ».