Mental health services use among Canadian Armed Forces members and Veterans: Data from the 2018 Canadian Armed Forces members and Veterans mental health follow-up survey (CAFMVHS)
Notice bibliographique
Résumé
Background: Differences in healthcare delivery systems and pathways to mental healthcare for Canadian Armed Forces (CAF) members and Veterans may contribute to variations in mental health services use (MHSU) and the factors associated with it. We: (1) estimated the prevalence of past 12-month MHSU (≥1 visit with a medical or mental health professional); and (2) identified sociodemographic, military-, trauma-, and health-related variables associated with MHSU among CAF members and Veterans. Methods: The current study used data from the 2018 CAF Members and Veterans Mental Health Follow-Up Survey (CAFVMHS). Model variables were selected a priori, and their respective associations with MHSU were estimated among (1) CAF members and (2) Veterans using separate multivariable logistic regression models. Results: Similar proportions of CAF members and Veterans reported past 12-month MHSU (26.9 vs. 27.5%, respectively). For both CAF members and Veterans, meeting criteria for at least one past 12-month MH disorder was associated with past 12-month MHSU [adjusted odds ratio (AOR) = 7.80, 95% confidence interval (CI) = 7.18-8.46; and AOR = 11.82, 95% CI: 11.07-12.61, respectively). Past-year suicide ideation, a history of sexual trauma, and endorsement of adverse childhood experiences were also significantly associated with MHSU among CAF members and Veterans. Significance: Similar to previous research, meeting screening criteria for a past 12-month MH disorder was strongly associated with MHSU among both samples. This study extends our existing knowledge about factors associated with MHSU among CAF members and Veterans, and offers direction for future research to increase MHSU.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».