Evaluating Community Resilience and Associated Factors One Year after the Catastrophic Fort McMurray Flood
Notice bibliographique
Résumé
BACKGROUND: Resilience after natural disasters is becoming an increasingly key area of research. In April 2020, parts of Fort McMurray were affected by severe floods. The flooding caused the loss of properties, evacuation of some residents, and effects on their mental health. OBJECTIVE: This study explores the prevalence and associated factors between flood experience and low resilience a year after the 2020 floods in Fort McMurray. METHOD: Data collection was accomplished one year after the flood, from 24 April to 2 June 2021, using an online survey. The data were analyzed with SPSS version 25 using univariate analysis with the chi-squared test and binary logistic regression analysis. RESULTS: The prevalence of low resilience was 37.4%. Respondents under 25 years were nearly 26 times more likely to show low resilience (OR = 0.038; 95% CI 0.004-0.384) than respondents 40 years and above. Responders with a history of depression (OR = 0.258 95% CI: 0.089-0.744) and a history of anxiety (OR = 0.212; CI 95% 0.068-0.661) were nearly four to five times more likely to show low resilience than those without a history. Similarly, respondents willing to receive mental health counselling (OR = 0.134 95% CI: 0.047-0.378) were 7.5 times more likely to show low resilience. Participants residing in the same house before the flood were almost 11 times more likely to show low resilience (OR = 0.095; 95% CI 0.021-0.427) than those who relocated. Participants who received support from the Government of Alberta were less likely to express low resilience than those who received no or limited support (OR = 208.343; 95% CI 3.284-13,218.663). CONCLUSION: The study showed a low resilience rate among respondents following the 2020 flooding in Fort McMurray. Factors contributing to low resilience include age, history of depression or anxiety, and place of residence after the flood. After the flood, receiving support from the government was shown to be a protective factor. Further studies are needed to explore robust risk factors of low resilience and measures to promote normal to high resilience among flood victims in affected 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 | 0,001 | 0,005 |
| 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 | 0,001 | 0,001 |
| 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 ».