Provincial Correctional Service Workers: The Prevalence of Mental Disorders
Notice bibliographique
Résumé
Correctional service employees in Ontario, Canada (n = 1487) began an online survey available from 2017 to 2018 designed to assess the prevalence and correlates of mental health challenges. Participants who provided data for the current study (n = 1032) included provincial staff working in institutional wellness (e.g., nurses) (n = 71), training (e.g., program officers) (n = 26), governance (e.g., superintendents) (n = 82), correctional officers (n = 553), administration (e.g., record keeping) (n = 25), and probation officers (n = 144, parole officers). Correctional officers, workers in institutional administration and governance positions, and probation officers reported elevated risk for mental disorders, most notably posttraumatic stress disorder (PTSD) and major depressive disorder. Among institutional correctional staff, 61.0% of governance employees, 59.0% of correctional officers, 43.7% of wellness staff, 50.0% of training staff, and 52.0% of administrative staff screened positive for one or more mental disorders. In addition, 63.2% of probation officers screened positive for one or more mental disorders. Women working as correctional officers were more likely to screen positive than men (p < 0.05). Across all correctional occupational categories positive screens for each disorder were: 30.7% for PTSD, 37.0% for major depressive disorder, 30.5% for generalized anxiety disorder, and 58.2% for one or more mental disorders. Participants between ages 40 and 49 years, working in institutional governance, as an institutional correctional officer, or as a probational officer, separated or divorced, were all factors associated (p < 0.05) with screening positive for one or more mental disorders. The prevalence of mental health challenges for provincial correctional workers appears to be higher than federal correctional workers in Canada and further supports the need for evidence-based mental health solutions.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».