MétaCan
Menu
Retour à la cohorte
Enregistrement W4206628845 · doi:10.1080/21635781.2021.2007184

Qualitative Inquiry on the Health and Well-Being of Canadian Armed Forces Members and Veterans during Medical Release

2022· article· en· W4206628845 sur OpenAlexaffabout
Lisa Williams, Alla Skomorovsky, Cynthia Wan, Jennifer E. C. Lee

Notice bibliographique

RevueMilitary Behavioral Health · 2022
Typearticle
Langueen
DomainePsychology
ThématiquePosttraumatic Stress Disorder Research
Établissements canadiensDepartment of National Defence
Organismes subventionnairesnon disponible
Mots-clésThematic analysisStressorMental healthQualitative researchPsychologyPsychological resilienceMilitary personnelMedicineNursingPsychiatryPsychotherapistPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Introduction The transition from military to civilian life can be a difficult adjustment, particularly for those members who have medically released. However little research has been conducted to gain a nuanced understanding of the experiences of ill and/or injured Canadian members and veterans throughout the transition period.Methodology Forty-five semi-structured interviews were conducted to gain insight on the challenges that medically releasing Canadian Armed Forces (CAF) members (N = 14) and medically released veterans (N = 31) encountered during their transition process. Topics explored their current health and well-being, as well as transition stressors and challenges experienced during and post-release. Transcripts of interviews were subjected to a thematic analysis.Results Findings demonstrated that numerous ill and injured members experienced both physical and mental health challenges, which caused significant stress and impacted their psychological well-being. The present study also highlighted the stress and challenges that participants experienced both during and after release. Common themes found for medically-releasing members were: (1) uncertainty, (2) transition process and CAF support, and (3) lack of readiness. Veterans’ most common stressors related to: (1) managing their illness and/or injury, (2) managing employment, (3) pensions and disability support, and (4) finding meaning and purpose.Discussion Recommendations and implications regarding improving veteran well-being, as well as the implementation and development of various types of services and programs are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,255
Score d'incertitude au seuil0,513

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0230,011
Communication savante0,0050,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,154
Tête enseignante GPT0,474
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMilitary Behavioral HealthMême sujetPosttraumatic Stress Disorder ResearchTravaux en français237 207