Long-Term Mental Health Effects of a Devastating Wildfire Are Amplified by Socio-Demographic and Clinical Antecedents in Elementary and High School Staff
Notice bibliographique
Résumé
OBJECTIVES: To assess the likely prevalence rates of Major Depressive Disorder (MDD), Generalized Anxiety Disorder (GAD) and Post-Traumatic Stress Disorder (PTSD) in staff of Fort McMurray School Districts eighteen months after a May 2016 wildfire, and to determine possible predictors. METHODS: A quantitative cross-sectional survey was used to collect data through self-administered online questionnaires to determine likely MDD, GAD and PTSD using well validated self-report questionnaires. RESULTS: Of 1,446 staff who were sent the online survey link in an e-mail, 197 completed the survey, of which there were 168 females (85%) and 29 males (15%). The one-month prevalence rates for likely MDD, GAD and PTSD among the school staff were 18.3, 15.7 and 10.2% respectively. There were statistically significant associations between multiple socio-demographic and clinical variables likely MDD, GAD and PTSD among respondents. CONCLUSION: Knowledge of key factors for MDD, GAD and PTSD may be helpful for policy makers when formulating population level social and clinical programs, to mitigate the mental health effects of future natural disasters.
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) | 0,001 | 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 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 ».