MétaCan
Menu
Retour à la cohorte
Enregistrement W3086690335

Mental Health Care Seeking in the Canadian Armed Forces Post-Afghanistan: Can Social Support and Paraprofessional Initiatives Help Increase Access to Care?

2017· dissertation· en· W3086690335 sur OpenAlexfundaboutno aff
Sophie Duranceau

Notice bibliographique

RevueoURspace (University of Regina) · 2017
Typedissertation
Langueen
DomainePsychology
ThématiqueMental Health Treatment and Access
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Armed Forces
Mots-clésMental health careMental healthSocial careNursingPolitical scienceMedicineHealth carePsychologyPsychiatryLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Recent research shows an increase in the mental health needs of Canadian Armed Forces (CAF) personnel (Fikretoglu, Liu, Zamorski, & Jetly, 2016). Research also indicates that a portion of CAF personnel with a mental health need do not seek professional mental health care or fail to initiate treatment in a timely fashion (e.g., Fikretoglu, Liu, Pedlar, & Brunet, 2010; Zamorski & Boulos, 2014). Andersen’s (1995; 2008) Behavioral Model of Health Services Use suggests predisposing factors (e.g., age), enabling/impeding factors (e.g., income), and need-related factors (e.g., mental health diagnosis) can help explain professional mental health care seeking behaviors. Several studies conducted with military samples have investigated factors that can impede the care seeking process (i.e., barriers; e.g., Sareen, Cox, et al., 2007); however, relatively less is known about factors that may facilitate access to mental health care. The current studies explored recent patterns of professional and paraprofessional mental health service use in CAF personnel. The studies were designed to identify different means by which access to mental health care may be increased in this population. Specifically, Study 1 assessed the propensity of CAF personnel to seek help from their social network (e.g., family, coworkers), as well as the impact of seeking such help on professional mental health service use and perceived need for care. Study 2 examined individual predictors of using a paraprofessional peer support program available to CAF personnel, veterans, and their families (i.e., Operational Stress Injury Social Support [OSISS]). Study 3 identified the frequency of Internet use for mental health related activities among CAF personnel and individual predictors of use. Participants in all three studies included Regular Members from a recent nationally representative Canadian military sample (n ≈ 6,700; Canadian Forces Mental Health Survey; Statistics Canada, 2014). ii Weighting and bootstrapping estimation procedures were used to account for the complex survey design. Prevalence estimates were computed for all three studies and multivariate logistic regression analyses served to identify predictors of professional mental health service use, perceived need for care, OSISS use, and Internet use for mental health related activities. The results indicate that: 1) seeking support from various social groups is positively related to professional mental health service use and perceived need for care; 2) meeting criteria for posttraumatic stress disorder has the strongest association with OSISS use, but only a small number of CAF personnel seek help from OSISS; and 3) the Internet is more readily accessed than other forms of paraprofessional mental health care (e.g., OSISS) and few individual barriers exist to Internet use for mental health related activities among CAF personnel. The results suggest that developing psychoeducational programs and resources readily available to the social networks of military personnel (e.g., family members) may help facilitate access to professional mental health care. The results also suggest mental health resources may be best delivered to military personnel and their social networks through in-person professional mental health services or Internet-based technologies. Comprehensive results, methodological considerations, implications, and future research are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,296

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,002
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,356
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueoURspace (University of Regina)Même sujetMental Health Treatment and AccessTravaux en français237 207