Considerations for Recommending Service Dogs versus Emotional Support Animals for Veterans with Post-Traumatic Stress Disorder
Notice bibliographique
Résumé
Background: Health care providers must understand factors that may guide the decision-making process for determining whether a veteran with post-traumatic stress disorder (PTSD) is appropriate for a service dog (SD) versus an emotional support animal (ESA), and assist SD training organizations in determining trained tasks that are suitable for the veteran’s needs. Purpose: This study explored the perspectives of SD training organizations and factors for human health care providers to consider before recommending a veteran with PTSD for a SD versus an ESA. The researchers identified information that providers should give organizations to guide the SD training and placement process. Methods: A nonexperimental web-based survey research design, including closed- and open-ended questions, was used to collect data. The sample population included SD training organizations in the United States and Canada that train SDs for veterans who have PTSD. Results: Results suggest that there are skills that can be completed by both SDs and ESAs, and specific tasks that can be only completed by SDs. Health care providers must consider factors related to animal welfare, human cognitive and psychosocial functioning, symptomatology, and expectations when determining if a veteran is a good fit for a SD versus an ESA. For veterans who are appropriate for a SD, information about individual functioning and needs in the above areas can help trainers make the best decisions regarding SD dog matching and training. Conclusion: Health care providers can play an important role in determining if a veteran with PTSD may benefit from a SD versus an ESA, and help SD training organization make informed decisions regarding SD partnership and training. Health care providers must have a strong understanding of the roles and functions of SDs and ESAs, and how dog partnership may help or hinder a veteran’s pursuit of independence in daily activities at home and in the community.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».