Associations between trauma and substance use among healthcare workers and public safety personnel during the SARS-CoV-2 (COVID-19) pandemic: the mediating roles of dissociation and emotion dysregulation
Notice bibliographique
Résumé
Background: Given the highly stressful environment surrounding the SARS-CoV-2 pandemic, healthcare workers (HCW) and public safety personnel (PSP) are at an elevated risk for adverse psychological outcomes, including posttraumatic stress disorder (PTSD) and alcohol/substance use problems. As such, the study aimed to identify associations between PTSD severity, related dissociation and emotion dysregulation symptoms, and alcohol/substance use problems among HCWs and PSP.Methods: A subset of data (N = 498; HCWs = 299; PSP = 199) was extracted from a larger study examining psychological variables among Canadian HCWs and PSP during the pandemic. Structural equation modelling assessed associations between PTSD symptoms and alcohol/substance use-related problems with dissociation and emotion dysregulation as mediators.Results: Among HCWs, dissociation fully mediated the relation between PTSD and alcohol-related problems (indirect effect β = .133, p = .03) and emotion dysregulation partially mediated the relation between PTSD and substance-related problems (indirect effect β = .151, p = .046). In PSP, emotion dysregulation fully mediated the relation between PTSD and alcohol-related problems (indirect effects β = .184, p = .005). For substance-related problems among PSP, neither emotion dysregulation nor dissociation (ps >.05) had any effects.Conclusion: To our knowledge, this is the first study examining associations between PTSD severity and alcohol/substance use-related problems via mediating impacts of emotion dysregulation and dissociation among HCWs and PSP during the SARS-CoV-2 pandemic. These findings highlight dissociation and emotion dysregulation as important therapeutic targets for structured interventions aimed at reducing the burden of PTSD and/or SUD among Canadian HCWs or PSP suffering from the adverse mental health impacts of the SARS-CoV-2 pandemic.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».