Prevalence of Past-Year Mental Disorders in the Canadian Armed Forces, 2002-2013
Notice bibliographique
Résumé
OBJECTIVE: More than 40,000 Canadian Armed Forces (CAF) personnel have deployed in support of the mission in Afghanistan since 2002. Over the same period, the CAF strengthened its mental health system. This article explores the effect of these events on the prevalence of past-year mental disorders over the period 2002-2013. METHOD: The data sources were 2 highly comparable population-based mental health surveys of CAF Regular Force personnel done in 2002 and 2013 (n = 5155 and 6996, respectively). Data were collected via in-person interviews with Statistics Canada personnel using the World Health Organization's Composite International Diagnostic Interview to assess past-year disorders. RESULTS: In 2013, 16.5% had 1 or more of the 6 past-year disorders assessed in the survey, with the most common conditions being major depressive episode (MDE), posttraumatic stress disorder (PTSD), and generalized anxiety disorder (GAD), which affected 8.0%, 5.3%, and 4.7%, respectively. The prevalence of PTSD, GAD, and panic disorder has increased significantly since 2002 (adjusted odds ratios from logistic regression models = 2.1, 3.0, and 1.9, respectively), while no change was seen for MDE. The comorbidity of mood and anxiety disorders increased significantly over time, being seen in 27.4% and 41.0% of those with mental disorders in 2002 and 2013, respectively. CONCLUSION: There has been an increase in the prevalence of PTSD and other anxiety disorders and of the extent of comorbidity of mood and anxiety disorders in CAF personnel over the period 2002-2013.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».