Prevalence and Correlates of Mental Health Problems in Canadian Forces Personnel Who Deployed in Support of the Mission in Afghanistan: Findings from Postdeployment Screenings, 2009–2012
Notice bibliographique
Résumé
OBJECTIVE: An important minority of military personnel will experience mental health problems after overseas deployments. Our study sought to describe the prevalence and correlates of postdeployment mental health problems in Canadian Forces personnel. METHOD: Subjects were 16 193 personnel who completed postdeployment screening after return from deployment in support of the mission in Afghanistan. Screening involved a detailed questionnaire and a 40-minute, semi-structured interview with a mental health clinician. Mental health problems were assessed using the Patient Health Questionnaire and the Posttraumatic Stress Disorder Checklist-Civilian Version. Logistic regression was used to explore independent risk factors for 1 or more of 6 postdeployment mental health problems. RESULTS: Symptoms of 1 or more of 6 mental health problems were seen in 10.2% of people screened; the most prevalent symptoms were those of major depressive disorder (3.2%), minor depression (3.3%), and posttraumatic stress disorder (2.8%). The strongest risk factors for postdeployment mental health problems were past mental health care (adjusted odds ratio [AOR] 2.89) and heavy combat exposure (AOR 2.57 for third tertile, compared with first tertile). These risk groups might be targeted in prevention and control efforts. In contrast to findings from elsewhere, Reservist status, deployment duration, and number of previous deployments had no relation with mental health problems. CONCLUSIONS: An important minority of personnel will disclose symptoms of mental health problems during postdeployment screening. Differences in risk factors seen in different nations highlight the need for caution in applying the results of research in one population to another.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».