Patterns of distress and psychosocial support 2 years post-displacement following a natural disaster in a lower middle income country
Notice bibliographique
Résumé
Background Displacement due to natural disaster exposure is a major source of distress, and disproportionately affects people in low- and middle-income countries (LMICs). Public mental health resources following natural disasters and displacement are often limited in LMICs. In 2017, the population of one island in Vanuatu, a lower-middle income country, was displaced due to volcanic activity. Following the launch of a public mental health policy in 2009, psychosocial support interventions are increasingly available, providing an opportunity to assess relationships with distress following displacement. Methods 440 people contributed data. We assessed distress using a local adaptation of the Impact of Event Scale-Revised, and types of psychosocial support available and received, including from health professionals, support groups, and traditional networks such as chiefs, traditional healers, and church leaders. We analyzed relationships between distress and psychosocial support, controlling for sociodemographic covariates. Results Professional and group support was reported available by 86.8–95.1% of participants. Traditional support networks were widely used, especially by men. Availability of professional support predicted lower distress among men (p < 0.001) and women (p = 0.015) ( ηp2 = 0.026–0.083). Consulting church leaders for psychosocial support was associated with higher distress among men (p = 0.026) and women (p = 0.023) ( ηp2 = 0.024–0.031). Use of professional and group support was lower than reported availability. Discussion Increased collaboration between professional and traditional support networks could help respond to mental health needs following natural disasters in LMICs with limited infrastructure. Providing training and resources to church leaders might be a specific target for improvement. Promoting use of available services represents a continued public health need.
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 | 0,001 | 0,003 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».