Quality of Life After Violent Crime: The Impact of Acute Stress Disorder, Posttraumatic Stress Disorder, and Other Consequences
Notice bibliographique
Résumé
Abstract Victims of violent crime (VVC) are at risk of developing acute stress disorder (ASD) and subsequent posttraumatic stress disorder (PTSD). In addition, VVC are more likely to have low social support due to stigmatization and victim‐blaming, and PTSD is frequently associated with depression, anxiety, and impaired quality of life (QoL). The present study aimed to determine the impact of ASD, PTSD, depressive symptoms, anxiety symptoms, and perceived social support in relation to four domains of QoL among VVC. Individuals were recruited as part of a longitudinal study assessing the efficacy of a brief cognitive behavioral treatment for ASD. Participants ( N = 127) were interviewed and completed self‐report measures within 30 days of experiencing a violent crime (T 0 ) and at assessments 2 months (T 1 ) and 6 months (T 2 ) after the event. Depressive symptoms, ASD, and PTSD were found to be associated with lower QoL ratings in all four domains. Anxiety symptoms were found to be associated with lower ratings in the physical health and psychological QoL domains. Perceived social support was found to be associated with higher QoL ratings in all domains. The proportions of QoL variance explained by the combined fixed and random effects combined ranged from 70% to 79%. Future research considerations include an examination of how early interventions for VVC could prevent QoL deterioration by targeting ASD and PTSD development, depressive and anxiety symptoms, and social support.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».