Rationale and Methodology of the 2018 Canadian Armed Forces Members and Veterans Mental Health Follow-up Survey (CAFVMHS): A 16-year Follow-up Survey: Raison D’être Et Méthodologie De L’enquête De Suivi Sur La Santé Mentale Des Membres Des Forces Armées Canadiennes Et Des Anciens Combattants, 2018 (ESSMFACM)
Notice bibliographique
Résumé
Objective: Knowledge is limited regarding the longitudinal course and predictors of mental health problems, suicide, and physical health outcomes among military and veterans. Statistics Canada, in collaboration with researchers at the University of Manitoba and an international team, conducted the Canadian Armed Forces Members and Veterans Mental Health Follow-Up Survey (CAFVMHS). Herein, we describe the rationale and methods of this important survey. Method: The CAFVMHS is a longitudinal survey design with 2 time points (2002 and 2018). Regular Force military personnel who participated in the first Canadian Community Health Survey Cycle 1.2—Mental Health and Well-Being, Canadian Forces Supplement (CCHS-CFS) in 2002 ( N = 5,155) were reinterviewed in 2018 ( n = 2,941). The World Mental Health Survey–Composite International Diagnostic Interview was used with the Diagnostic and Statistical Manual of Mental Disorders, fourth edition ( DSM-IV) criteria. Results: The CAFVMHS includes 2,941 respondents (66% veterans; 34% active duty) and includes data on mental disorder diagnoses, physical health conditions, substance use, medication use, general health, mental health services, perceived need for care, social support, moral injury, deployment experiences, stress, physical activity, military-related sexual assault, childhood experiences, and military and sociodemographic information. Conclusions: The CAFVMHS provides a unique opportunity to further understand the health and well-being of military personnel in Canada over time to inform intervention and prevention strategies and improve outcomes. The data are available through the Statistics Canada Research Data Centres across Canada and can be used cross-sectionally or be longitudinally linked to the 2002 CCHS-CFS data.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,101 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,007 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».