Contribution of mental and physical disorders to disability in military personnel
Notice bibliographique
Résumé
Background: Combat operations in Southwest Asia have exposed millions of military personnel to risk of mental disorders and physical injuries, including traumatic brain injury (TBI). The contribution of specific disorders to disability is, however, uncertain. Aims: To estimate the contributions of mental and physical health conditions to disability in military personnel. Methods: The sample consisted of military personnel who participated in the cross-sectional 2013 Canadian Forces Mental Health Survey. Disability was measured using the World Health Organization Disability Assessment. The International Classification of Functioning, Disability, and Health was used to classify participants with moderate/severe disability. Chronic mental disorders and physical conditions were measured by self-reported health professional diagnoses, and their contribution to disability was assessed using logistic regression and resulting population attributable fractions. Results: Data were collected from 6696 military members. The prevalence of moderate/severe disability was 10%. Mental disorders accounted for 27% (95% confidence interval [CI] 23-31%) and physical conditions 62% (95% CI 56-67%) of the burden of disability. Chronic musculoskeletal problems 33% (95% CI 26-39%), back problems 29% (95% CI 23-35%), mood disorders 16% (95% CI 11-19%) and post-traumatic stress disorder (PTSD) 9% (95% CI 5-12%) were the leading contributors to disability. After-effects of TBI accounted for only 3% (95% CI 1-4%) of disability. Mental and physical health interacted broadly, such that those with mental disorders experienced disproportionate disability in the presence of physical conditions. Conclusions: Chronic musculoskeletal conditions, back problems, mood disorders and PTSD are primary areas of focus in prevention and control of disability in military personnel.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».