MétaCan
Menu
Retour à la cohorte
Enregistrement W4206811823 · doi:10.3390/ijerph19010435

Mental Health Impacts of Wildfire, Flooding and COVID-19 on Fort McMurray School Board Staff and Other Employees: A Comparative Study

2021· article· en· W4206811823 sur OpenAlexafffundabout
Belinda Agyapong, Ejemai Eboreime, Reham Shalaby, Hannah Pazderka, Gloria Obuobi-Donkor, Medard K. Adu, Wanying Mao, Folajinmi Oluwasina, Ernest Owusu, Andrew J. Greenshaw, Vincent I. O. Agyapong

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2021
Typearticle
Langueen
DomainePsychology
ThématiquePosttraumatic Stress Disorder Research
Établissements canadiensDalhousie UniversityHealth Sciences CentreHealth Research FoundationUniversity of Alberta
Organismes subventionnairesCanadian Mental Health Association
Mots-clésMental healthOccupational safety and healthMajor depressive disorderDescriptive statisticsMedicineGeneralized anxiety disorderPoison controlDepression (economics)AnxietySuicide preventionDemographyInjury preventionCross-sectional studyPsychologyPandemicHuman factors and ergonomicsCoronavirus disease 2019 (COVID-19)PsychiatryEnvironmental healthMoodStatisticsDisease

Résumé

récupéré en direct d'OpenAlex

Background: Fort McMurray, a city in northern Alberta, Canada, has experienced multiple traumas in the last five years, including the 2016 wildfire, the 2020 floods, and the COVID-19 pandemic. Eighteen months after the wildfire, major depressive disorder (MDD), generalized anxiety disorder (GAD), and Post Traumatic Stress Disorder (PTSD) symptoms were elevated among school board employees in the city. Objective: This study aimed to compare employees of the school board and other employees of Fort McMurray in respect to the impact the 2016 wildfires, the 2019 COVID pandemic, and the 2020 floods had on their mental health. Methodology: A quantitative cross-sectional survey was conducted in Fort McMurray from 24 April to 2 June 2021. Online questionnaires were administered through REDCap and were designed to capture socio-demographic characteristics, clinical as well as wildfire, COVID-19, and flooding-related variables. Mental health outcome variables were captured using self-reported standardized assessment scales. Data were analysed with descriptive statistics, Chi-square/Fisher’s Exact tests, and binary regression analysis. Results: Of the 249 residents who accessed the online survey, 186 completed the survey, giving a response rate of 74.7%. Of these respondents, 93.5% (174) indicated their employment status and were included in the Chi-square analysis. Most of the respondents were female (86.2%, (150)), above 40 years (53.4%, (93)), and were in a relationship (71.3%, (124)). The prevalence values for MDD, GAD and PTSD among respondents were 42.4%, 41.0, and 36.8%, respectively. There was a statistically significant difference between employees of the school board and other employees with respect to likely PTSD prevalence (28% vs. 45%, respectively, p < 0.05), although with other factors controlled for, in a binary logistic regression model, employer type did not significantly predict likely PTSD. Conclusions: The study has established that likely PTSD symptoms were significantly higher in other employees compared to those of school board employees. Greater exposure to the traumatic events and a greater perceived lack of support from other employers might have contributed to the significantly higher prevalence of PTSD in other employees.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,711
Score d'incertitude au seuil0,574

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,242
Tête enseignante GPT0,523
Écart entre enseignants0,282 · 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'étudeObservationnel
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

Citations17
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetPosttraumatic Stress Disorder ResearchTravaux en français237 207