Adverse childhood experiences and mental health in military recruits: Exploring gender as a moderator
Notice bibliographique
Résumé
Adverse childhood experiences (ACEs) have consistently been associated with adult psychopathology and are commonly reported among military populations, with women more likely to report many types of ACEs than men. Limited research has examined the role of gender in the association between ACEs and mental health in military populations. The current study assessed the significance of gender differences in ACEs and mental health and explored the associations among these variables in a sample of Canadian Armed Forces recruits/officer cadets. Analyses with cross-sectional Recruit Health Questionnaire (RHQ) data from 50,603 recruits/officer cadets indicated that women were more likely to report witnessing domestic violence, experiencing sexual abuse, and living with someone with mental health problems or alcohol misuse, odds ratios (ORs) = 1.22-4.35, ps < .001. Women were more likely to screen positive for depression, adjusted (aORs) = 1.25-1.49, p < .001-p = .002, and anxiety, aORs = 2.00-2.33, ps < .001, before basic military training. ACEs were associated with screening positive for probable mental health conditions, aORs = 1.54-6.13, p < .001-p = .017. A significant interaction suggested the association between childhood sexual abuse and depression was stronger for men, aOR = 2.49, p < .001, than women, aOR = 1.63, p = .002, as was the association between childhood sexual abuse and posttraumatic stress disorder, men: aOR = 6.06, p < .001, women: aOR = 3.36, p < .001. These results underscore the importance of considering gender and childhood trauma in mental health interventions with military personnel.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».