One Year after the Flood: Prevalence and Correlates of Post-Traumatic Stress Disorder among Residents in Fort McMurray
Notice bibliographique
Résumé
BACKGROUND: The 2020 Fort McMurray (FMM) and area flood caused more than $228 million in insured damage, affected over 1200 structures, and more than 13,000 people were evacuated. OBJECTIVE: This study sought to determine the prevalence of post-traumatic stress disorder (PTSD)-like symptoms and the risk predictors among the population of FMM one year after the 2020 flooding. METHODS: An online quantitative cross-sectional survey was distributed to residents of FMM via REDCap between 24 April to 2 June 2021 to collect sociodemographic, clinical, and flood-related information. The PTSD checklist for DSM-5 (PCL-C) was used to assess likely PTSD among respondents. RESULTS: 186 of 249 respondents completed all essential self-assessment questionnaires in the analysis, yielding a response rate of 74.7%. The prevalence of likely PTSD was 39.6% (65). Respondents with a history of depression were more likely to develop PTSD symptoms (OR = 5.71; 95% CI: 1.68-19.36). Similarly, responders with limited and no family support after the disaster were more prone to report PTSD symptoms ((OR = 2.87; 95% CI: 1.02-8.05) and (OR = 2.87; 95% CI: 1.06-7.74), respectively). CONCLUSIONS: Our research indicated that history of depression and the need for mental health counseling significantly increased the risk of developing PTSD symptoms following flooding; family support is protective. Further studies are needed to explore the relations between the need to receive counseling and presenting with likely PTSD symptoms.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».