Incidence of major depression diagnoses in the Canadian Armed Forces: longitudinal analysis of clinical and health administrative data
Notice bibliographique
Résumé
PURPOSE: Major depression is a leading cause of morbidity in military populations. However, due to a lack of longitudinal data, little is known about the rate at which military personnel experience the onset of new episodes of major depression. We used a new source of clinical and administrative data to estimate the incidence of major depression diagnoses in Canadian Armed Forces (CAF) personnel, and to compare incidence rates between demographic and occupational factors. METHODS: We extracted all data recorded in the electronic medical records of CAF Regular Force personnel, at every primary care and mental health clinical encounter since 2016. Using a 12-month lookback period, we linked data over time, and identified all patients with incident diagnoses of major depression. We then linked clinical data to CAF administrative records, and estimated incidence rates. We used multivariate Poisson regression to compare adjusted incidence rates between demographic and occupational factors. RESULTS: From January to December 2017, CAF Regular Force personnel were diagnosed with major depression at a rate of 29.2 new cases per 1000 person-years at risk. Female sex, age 30 years and older, and non-officer ranks were associated with significantly higher incidence rates. CONCLUSIONS: We completed the largest study to date on diagnoses of major depression in the Canadian military, and have provided the first estimates of incidence rates in CAF personnel. Our results can inform future mental health resource allocation, and ongoing major depression prevention efforts within the Canadian Armed Forces and other military organizations.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».