The role of organizational supports in mitigating mental ill health in firefighters: A cohort study in Alberta, Canada
Notice bibliographique
Résumé
INTRODUCTION: Little is known about the effectiveness of ongoing mental health support in reducing the mental health impacts of a traumatic deployment. METHODS: A cohort of firefighters was established among those deployed to a devastating wildfire in Alberta, Canada in May 2016. Firefighters completed three questionnaires: at recruitment giving details of exposures, a first follow-up reporting mental health supports before, during, and after the fire and a second follow-up, at least 30 months after the fire, with screening questionnaires for anxiety, depression, and posttraumatic stress disorder (PTSD). Fire chiefs were interviewed about mental health provisions. The impact of supports on mental ill health was estimated, adjusting for clustering within fire service and potential confounders. RESULTS: Of 1234 firefighters in the cohort, 840 completed the questionnaire on mental health supports. In total, 78 of 82 fire chiefs were interviewed. Analysis of the impact of supports on mental ill health included 745 firefighters from 67 fire services. Only 45.8% of reports of peer support were concordant between firefighters and fire chiefs. After adjusting for confounding, the odds ratios (OR) for peer support reported by both fire chief and firefighter were depressive disorder: OR = 0.22, 95% confidence interval (CI), 0.08-0.61; anxiety disorder: OR = 0.45, 95% CI, 0.24-0.82; PTSD: OR = 0.62, 95% CI, 0.37-1.02. Symptoms of anxiety and depression but not PTSD were reduced by resiliency training before the fire and by support offered within 48 h of return from deployment. CONCLUSION: The results suggest peer support in firefighters is protective but its availability is poorly recognized. PTSD was somewhat less responsive, perhaps reflecting the cumulative effects of previous exposures.
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 | 0,002 |
| 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) | 0,001 | 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 ».