Previous Violent Events and Mental Health Outcomes in Guatemala
Notice bibliographique
Résumé
OBJECTIVES: We analyzed a probability sample of Guatemalans to determine if a relationship exists between previous violent events and development of mental health outcomes in various sociodemographic groups, as well as during and after the Guatemalan Civil War. METHODS: We used regression modeling, an interaction test, and complex survey design adjustments to estimate prevalences and test potential relationships between previous violent events and mental health. RESULTS: Many (20.6%) participants experienced at least 1 previous serious violent event. Witnessing someone severely injured or killed was the most common event. Depression was experienced by 4.2% of participants, with 6.5% experiencing anxiety, 6.4% an alcohol-related disorder, and 1.9% posttraumatic stress disorder (PTSD). Persons who experienced violence during the war had 4.3 times the adjusted odds of alcohol-related disorders (P < .05) and 4.0 times the adjusted odds of PTSD (P < .05) compared with the postwar period. Women, indigenous Maya, and urban dwellers had greater odds of experiencing postviolence mental health outcomes. CONCLUSIONS: Violence that began during the civil war and continues today has had a significant effect on the mental health of Guatemalans. However, mental health outcomes resulting from violent events decreased in the postwar period, suggesting a nation in recovery.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».