Injured female Veterans’ experiences with community reintegration: a qualitative study
Notice bibliographique
Résumé
Introduction: Reintegration back into civilian life post-deployment can be difficult for military Veterans, particularly those who have physical and psychological injuries. Research indicates that male and female Veterans may experience reintegration differently as a result of their deployment experiences and gender-specific social role expectations. Limited research specific to female Veterans’ reintegration experiences exists in the empirical literature. Therefore, the purpose of this qualitative study was to better understand community reintegration experiences among injured female Veterans. Methods: Phenomenology guided the data collection and analysis. NVivo was used to aid in organization and analysis of the data. An iterative clustering process was used to identify meaning units, resulting in categories and themes that best represented the participants’ experiences. Bracketing procedures were used to account for researcher bias. Results: Three categories and multiple themes emerged from the qualitative analysis: category 1, community reintegration meaning; category 2, perception of community reintegration, which had three themes – (1) reintegration is harder than expected, (2) reintegration is a process, and (3) reintegration involves finding a new normal – and category 3, women’s experience post-deployment, which had four themes – (1) society’s misguided perceptions of women in the military, (2) readjusted or redefined roles and responsibilities as a woman, (3) lingering effects of military sexual trauma, and (4) lack of female-specific services. Discussion: This study suggests a need for female-specific programs within US Department of Veterans Affairs and civilian-based organizations providing services to Veterans. In addition, allied health professionals are encouraged to assess community reintegration to allow for more individualized, long-term transition plans for female Veterans reintegrating into civilian life.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,006 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».