Diagnosing Posttraumatic Stress Disorder in Refugees
Notice bibliographique
Résumé
Global crises has amounted to the forced international displacement of 25.4 million refugees. Refugees from conflict-affected areas are especially vulnerable to posttraumatic stress disorder (PTSD) compared to the general population due to their past and present hardships and history of trauma. PTSD is characterized by a constellation of symptoms identified by the Diagnostic and Statistical Manual of Mental Disorders (DSM). DSM-5 departed from DSM-IV by reclassifying PTSD as a trauma- and stressor-related disorder and introducing a fourth symptom cluster—negative alterations in mood/cognition—to the previous three-symptom cluster model. In severely traumatized refugees, this new cluster exhibited relatively high sensitivity, specificity, positive predictive power, and negative predictive power—in concordance with the range of symptoms exhibited by this population—and allowed for the applicability of the DSM-5 criteria. However, the Western sample basis of the DSM-5 might make it inferior to alternative models as a diagnostic tool for PTSD in refugees and as a springboard for treatment. In addition (and possibly due) to PTSD, refugees are at high risk for mental health distress and suffer from poor health outcomes. Optimizing diagnostic criteria and overcoming barriers to diagnosis and access to care would benefit patients and facilitate treatment.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».