Contribution of traumatic deployment experiences to the burden of mental health problems in Canadian Armed Forces personnel: exploration of population attributable fractions
Notice bibliographique
Résumé
PURPOSE: Mental health problems are prevalent after combat; they are also common in its absence. Estimates of deployment-attributability vary. This paper quantifies the contribution of different subtypes of occupational trauma to post-deployment mental health problems. METHODS: Participants were a cohort of 16,193 Canadian personnel undergoing post-deployment mental health screening after return from the mission in Afghanistan. The screening questionnaire assessed post-traumatic stress disorder, depression, panic disorder, generalized anxiety disorder, and exposure to 30 potentially traumatic deployment experiences. Logistic regression estimated adjusted population attributable fractions (PAFs) for deployment-related trauma, which was treated as count variables divided into several subtypes of experiences based on earlier factor analytic work. RESULTS: The overall PAF for overall deployment-related trauma exposure was 57.5% (95% confidence interval 44.1, 67.7) for the aggregate outcome of any of the four assessed problems. Substantial PAFs were seen even at lower levels of exposure. Among subtypes of trauma, exposure to a dangerous environment (e.g., receiving small arms fire) and to the dead and injured (e.g., handling or uncovering human remains) had the largest PAFs. Active combat (e.g., calling in fire on the enemy) did not have a significant PAF. CONCLUSIONS: Military deployments involving exposure to a dangerous environment or to the dead or injured will have substantial impacts on mental health in military personnel and others exposed to similar occupational trauma. Potential explanations for divergent findings in the literature on the extent to which deployment-related trauma contributes to the burden of mental disorders are discussed.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».