Long-Term Mental Health Effects of a Devastating Wildfire Are Amplified by Sociodemographic and Clinical Antecedents in College Students
Notice bibliographique
Résumé
OBJECTIVES: The aim of this study is to assess prevalence of major depressive disorder (MDD), generalized anxiety disorder (GAD), and posttraumatic stress disorder (PTSD) in students of Keyano College 18 months after a wildfire and to determine the predictors of likely MDD, GAD, and PTSD in the respondents. METHODS: A quantitative cross-sectional survey was used to collect data through self-administered, paper-based questionnaires to determine likely MDD, GAD, and PTSD using the PHQ 9, GAD-7, and the PTSD Checklist for DSM 5, Part 3, respectively. Data were analyzed with SPSS version 20 (IBM Corp, Armonk, NY) using univariate analysis with chi-square tests. RESULTS: Eighteen months after the wildfire, the 1-month prevalence rates for MDD, GAD, and PTSD among the college students were 23.4%, 18.7%, and 11.0%, respectively. There were statistically significant associations between multiple sociodemographic variables and the likelihood respondents presented with MDD, GAD, and PTSD 18 months after the wildfire. There were also associations between the likely MDD, GAD, and PTSD and abuse/dependence on alcohol and substances in respondents at 18 months. CONCLUSION: Our study has established prevalence rates for MDD, GAD, and PTDS among college students 18 months after the Fort McMurray wildfires. Further studies are needed to explore the impact of college-based mental health interventions on the long-term mental health effects of the wildfires.
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 | 0,002 | 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 | 0,000 |
| 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 ».