Mental health during and after protests, riots and revolutions: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Protests, riots and revolutions have long been a part of human history and are increasing globally, yet their impact on mental health remains largely unknown. We therefore systematically reviewed studies on collective actions and mental health. METHOD: We searched PubMed, Web of Science, PsycINFO and CINAHL Plus for published studies from their inception until 1 January 2018. Study quality was rated using the Newcastle-Ottawa Scale. RESULTS: = 57,487 participants) from 20 countries/regions. The prevalence of post-traumatic stress disorder ranged from 4% to 41% in riot-affected areas. Following a major protest, the prevalence of probable major depression increased by 7%, regardless of personal involvement in the protests, suggestive of community spillover effects. Risk factors for poorer mental health included female sex, lower socioeconomic status, exposure to violence, interpersonal conflicts, frequent social media use and lower resilience and social support. Nevertheless, two studies suggested that collective actions may reduce depression and suicide, possibly due to a collective cathartic experience and greater social cohesion within subpopulations. CONCLUSION: We present the first systematic review of collective actions and mental health, showing compelling evidence that protests even when nonviolent can be associated with adverse mental health outcomes. Health care professionals therefore need to be vigilant to the mental and psychological sequelae of protests, riots and revolutions. Further research on this emerging sociopolitical determinant of mental health is warranted.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle