Comparison of past-year mental health services use in Canadian Army, Navy, and Air Force personnel
Notice bibliographique
Résumé
Introduction: What causes the excess burden of mental disorders and related outcomes in the Army remains unclear. Deployment-related trauma has been one intuitive explanation. However, there may be other factors at play – for example, lower mental health services use (MHSU) in Army personnel. This study compares MHSU across the Canadian Army, Navy, and Air Force. Methods: Data were drawn from the 2013 Canadian Forces Mental Health Survey. The sample consisted of Regular Force members ( N = 6,696). The primary outcomes for past-year MHSU were: (1) any past-year MHSU; (2) intensity of care (total clinical contact hours), and (3) perceived helpfulness of care (PHC). Modified Poisson regression and analysis of covariance (ANCOVA) were used to assess the relationship between the elements (Army, Navy, Air Force) and each outcome, adjusting for sociodemographic and military characteristics, as well as clinical variables such as the presence of five past-year mental disorders. Results: In unadjusted analyses, Army personnel had significantly greater past-year MHSU and intensity of care relative to Air Force personnel. No significant relationship was found between the element and any of the MHSU parameters after adjustment. Discussion: Differences in past-year MHSU are an unlikely contributing factor to the higher risk of mental disorders and related outcomes among Army personnel; the true explanation must lie elsewhere. Findings argue for a system-wide, and not element-specific, approach to improving Canadian Armed Forces (CAF) programs and services.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».