Correlates of Perceived Need for Mental Health Care Among Active Military Personnel
Notice bibliographique
Résumé
OBJECTIVE: There is increasing concern about mental health problems and need for mental health care among soldiers after deployment. This study examined correlates of self-perceived need for mental health care among active military personnel. METHODS: Data were from a 2002 cross-sectional population-based survey of 8,441 active Canadian military personnel (2,592 women) aged 16 to 54 (response rate 81%). A fully structured lay-administered interview for past-year DSM-IV mental disorders and perceived need for mental health care was conducted. Five domains of self-perceived need were assessed: information, medication, counseling, social intervention, and skills training. Several deployment factors were assessed (length of deployment, number of deployments, and exposure to deployment-related traumatic events), as were long-term restriction in activities because of disability and suicidal ideation. Multiple logistic regression models were used to determine correlates of perceived need. RESULTS: After adjustment for mental disorders, the strongest and most consistent correlates of perceived need were long-term restriction in activities, suicidal ideation, female gender, and regular service status (versus reserve status) (adjusted odds ratios ranging from 1.28 to 4.37). Deployment and exposure to combat and witnessing atrocities were moderately associated with an increase in self-perceived need for mental health care. CONCLUSIONS: The findings suggest that a range of issues beyond the presence of common mental disorders need to be considered in understanding the factors that contribute to a sense of need for mental health treatment. Postdeployment screening programs should consider systematically assessing self-perceived need for mental health treatment.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».