Prevalence of exposure to critical incidents in firefighters across Canada
Notice bibliographique
Résumé
BACKGROUND: Firefighters partake in and are exposed to a range of potentially traumatic events throughout their careers and the impact of such critical events could last a life time. Therefore, capturing such lifetime exposures is necessary for supporting firefighter health. OBJECTIVE: To estimate the prevalence of critical incidents in firefighters across Canada and determine whether the number of critical events varied based on age, gender, years of service; and to integrate our prevalence estimates using meta-analysis with previous studies to provide a pooled estimate. METHODS: We recruited 464 firefighters. Firefighters were asked to complete a self-report Critical Incident Inventory (CII) survey that included questions on exposure to critical events throughout their firefighting careers. Individual CII items were summarized as percentages, number of exposures, the total number and percentages of exposures to each of the six CII sub-scales. We also performed a multivariate enter regression analysis with the CII total score as dependant variable, and age, gender, years of service as independent variables, to estimate if the number of critical incidents among firefighters varied based on age, gender and years of service. RESULTS: Among the 390 full-time firefighters, 376 (96.4%) indicated exposure to some type of critical incident. More specifically, 351 (90%) reported a "respond to incident involving one or two deaths", and 314 (81%) reported a "respond to incident involving multiple serious injuries". Age, gender and years of service accounted for only 37.4% of the variance in the number of critical incidents among firefighters. In addition, our pooled estimate results of previous similar studies indicated an overall prevalence estimate of critical incident exposures was 93.40% (4 studies, 1725 of 1877 firefighters, 95% CI: 82.26 -99.30). CONCLUSIONS: Nearly all (96.4%) firefighters were exposed to some form of critical event over the span of their entire firefighting careers. Age, gender and years of service accounted for one-third of the variance in the number of critical incident exposures among firefighters.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».