Five Years after the Fort McMurray Wildfire: Prevalence and Correlates of Low Resilience
Notice bibliographique
Résumé
BACKGROUND: The Fort McMurray wildfire of 3 May 2016 was one of the most devastating natural disasters in Canadian history. Although resilience plays a crucial role in the daily functioning of individuals by acting as a protective shield that lessens the impact of disasters on their mental well-being, to date little is known about the long-term impact of wildfires on resilience and associated predictors of low resilience. OBJECTIVES: The objective of the study was to assess the prevalence and predictors of resilience among residents of Fort McMurray five years after the wildfires. METHOD: This was a quantitative cross-sectional study. A self-administered online survey which included standardized rating scales for resilience (BRS), anxiety (GAD-7), depression (PHQ-9), and post-traumatic stress disorder (PTSD)(PCL-C) was used to determine the prevalence of resilience as well as its demographic, clinical, and wildfire-related predictors. The data were collected between 24 April and 2 June 2021 and analyzed using the Statistical Package for Social Sciences (SPSS) version 25 using univariate analysis with a chi-squared test and binary logistic regression analysis. RESULTS: A total of 186 residents completed the survey out of 249 who accessed the online survey, producing a response rate of 74.7%. Most of the respondents were females (85.5%, 159), above 40 years of age (81.6%, 80), employed (94.1%, 175), and in a relationship (71%, 132). Two variables-having had PTSD symptoms (OR = 2.85; 95% CI: 1.06-7.63), and age-were significant predictors of low resilience in our study. The prevalence of low resilience in our sample was 37.4%. CONCLUSIONS: Our results suggest that age and the presence of PTSD symptoms were the independent significant risk factors associated with low resilience five years after the Fort McMurray wildfire disaster. Further research is needed to enhance understanding of the pathways to resilience post-disaster to identify the robust predictors and provide appropriate interventions to the most vulnerable individuals and communities.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».