Mental health training, attitudes toward support, and screening positive for mental disorders
Notice bibliographique
Résumé
Public Safety Personnel (PSP; e.g. correctional workers, dispatchers, firefighters, paramedics, police) are frequently exposed to potentially traumatic events (PTEs). Several mental health training program categories (e.g. critical incident stress management (CISM), debriefing, peer support, psychoeducation, mental health first aid, Road to Mental Readiness [R2MR]) exist as efforts to minimize the impact of exposures, often using cognitive behavioral therapy model content, but with limited effectiveness research. The current study assessed PSP perceptions of access to professional (i.e. physicians, psychologists, psychiatrists, employee assistance programs, chaplains) and non-professional (i.e. spouse, friends, colleagues, leadership) support, and associations between training and mental health. Participants included 4,020 currently serving PSP participants. Data were analyzed using cross-tabulations and logistic regressions. Most PSP reported access to professional and non-professional support; nevertheless, most would first access a spouse (74%) and many would never, or only as a last resort, access professional support (43–60%) or PSP leaders (67%). Participation in any mental health training category was associated with lower (p < .01) rates for some, but not all, mental disorders, with no robust differences across categories. Revisions to training programs may improve willingness to access professional support; in the interim, training and support for PSP spouses and leaders may also be beneficial.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,002 |
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 ».