Adverse Childhood Experiences among Veterinary Medical Students: A Multi-Site Study
Notice bibliographique
Résumé
This research explores Adverse Childhood Experiences (ACEs) among veterinary medical students across six academic institutions of veterinary medicine, and their relationship with depression, stress, and desire to become a veterinarian. Between April 1, 2016, and May 23, 2016, 1,118 veterinary medical students in all 4 years of the curriculum (39% response rate) completed an anonymous web-based questionnaire about ACEs, depression using the Center for Epidemiological Studies Depression scale (CESD), stress using the Perceived Stress Scale (PSS), and the age at which they wanted to become a veterinarian. Sixty-one percent (677) of respondents reported having at least one ACE. The most prevalent ACE reported was living with a household member with a mental illness (31%). Students who had experienced four or more ACEs had an approximately threefold increase in signs of clinical depression and higher than average stress when compared to students who had experienced no ACEs. The number of ACEs showed an overall graded relationship to signs of clinical depression and higher than average stress. There was no statistically significant relationship between age at which a student wanted to become a veterinarian and exposure to ACEs. Veterinary students report being exposed to ACEs before age 18 at a rate similar to that of other population-based studies. These findings do not suggest that veterinary students enter the veterinary medical education system more at risk for poor mental health due to ACEs than the general population.
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 | 0,011 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».