Prediction of the occurrence and intensity of post-traumatic stress disorder in victims 32 months after bomb attack
Notice bibliographique
Résumé
INTRODUCTION: Our objective was to identify factors that predict occurrence and severity of post-traumatic stress disorder (PTSD) after a terrorism attack. POPULATION: We evaluated 32 victims of a bomb attack in a Paris subway in December 1996 at 6 and 32 months. METHOD: Sociodemographic characteristics, clinical data and physical injuries were used to predict PTSD occurrence and severity in 32 victims. The Watson's PTSD Inventory (PTSD-I) and the Impact of Event Scale (IES) by Horowitz were used to evaluate occurrence and severity of PTSD, respectively. RESULTS: Thirty-nine percent of participants met PTSD criteria at 6 months, 25% still had PTSD at 32 months. Women had PTSD 32 months after the bomb attack more frequently than men. Employment predicted PTSD severity at 32 months. PTSD scores assessed by PTSD-I at 6 months were significantly and positively associated with IES scores at 32-month follow-up (r = 0.55, P = 0.004). Psychotropic drug use before the bomb attack significantly predicted PTSD occurrence and severity at 6 and 32 months. In a linear regression model, physical injuries, employment status and psychotropic drug use before the bomb attack were independent predictors of severity of PTSD at 32 months. CONCLUSIONS: Bomb attack exposure resulted in persisting PTSD in a significant proportion of victims; the severity was predicted at 32 months by physical injuries and psychotropic drug use before the terrorism attack and by the PTSD score few months after the bomb attack.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».