Recruit firefighters: a longitudinal investigation of mental health and work
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the contribution of work to self-reported mental health symptoms in fire service members. Design/methodology/approach In 2004, the first wave of this data collection was completed with all members of a fire department in a small northern center in British Columbia. The members completed a series of questionnaires measuring mental health, personality and satisfaction. Since 2004, all recruit members entering the department have also completed the same set of questionnaires shortly after hiring. Subsequently, in 2016–2017, the full sample, including recruit members, were invited to complete the Wave 2 data collection cycle, which included a set of questionnaires very similar to that collected in Wave 1. Findings The recruit sample reported significantly fewer mental health symptoms, as compared to career firefighters, at Time 1 (prior to workplace exposure). However, at Time 2 (after workplace exposure), no difference between the groups was evident. Research limitations/implications It is possible that recruit firefighters reported more positive mental health because of social desirability bias upon beginning a new job. Practical implications These results suggest that service as a firefighter could potentially have an impact on mental health and efforts should be made to mitigate this impact. Originality/value To the authors’ knowledge, the current research is the first study that has followed recruit firefighters longitudinally in an effort to prospectively evaluate the impact of workplace exposure on mental health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».