Mental Illness–Related Stigma in Canadian Military and Civilian Populations: A Comparison Using Population Health Survey Data
Notice bibliographique
Résumé
OBJECTIVE: This study sought to compare the prevalence and impacts of mental illness-related stigma among Canadian Armed Forces personnel and Canadian civilians. METHODS: Data were from two highly comparable, population-based, cross-sectional surveys of Canadian military personnel and Canadian civilians: the 2013 Canadian Forces Mental Health Survey (N=6,696) and the 2012 Canadian Community Health Survey-Mental Health (N=25,113), respectively. Perceived stigma was assessed among those who reported care seeking for a mental health problem in the past 12 months. Follow-up questions assessed the impact of stigma in various domains. Modified Poisson regression and linear regression were used to examine population differences (military versus civilian) in terms of care seeking, stigma, and stigma impact, with adjustments for sociodemographic characteristics and the need for care. RESULTS: Military personnel were significantly more likely than civilians to have perceived stigma (adjusted prevalence ratio [PR]=1.70, 95% confidence interval [CI]=1.11-2.60). Stigma had a greater impact on military personnel, particularly in terms of work or school life (b=1.01, CI=.57-1.47). However, military personnel were also significantly more likely than civilians to have sought care (PR=1.86, CI=1.53-2.25). CONCLUSIONS: Military personnel reported a disproportionate amount of mental illness-related stigma, compared with Canadian civilians, and a greater impact of stigma. Nevertheless, military personnel were more likely to seek care, pointing to a complex relationship between stigma and care seeking in the military.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».