MétaCan
Menu
Retour à la cohorte
Enregistrement W4361270869 · doi:10.3138/jmvfh-2022-0049

Identifying potentially morally injurious events from the Veteran perspective: A qualitative descriptive study

2023· article· en· W4361270869 sur OpenAlexvenueno aff
Heather A. King, Kathleen R. Perry, Stephanie L. Ferguson, Bret Hicken, George L. Jackson, Chanee Lynch, Sandra Woolson, Jennifer Wortmann, Jason A. Nieuwsma, Kimber J. Parry

Notice bibliographique

RevueJournal of Military Veteran and Family Health · 2023
Typearticle
Langueen
DomainePsychology
ThématiquePosttraumatic Stress Disorder Research
Établissements canadiensnon disponible
Organismes subventionnairesSubstance Abuse and Mental Health Services Administration
Mots-clésOperationalizationPerspective (graphical)Moral injuryQualitative researchPsychologyGrounded theoryCriminologySocial psychologySociologyEpistemologySocial science

Résumé

récupéré en direct d'OpenAlex

Introduction: Current conceptualizations of potentially morally injurious events (PMIEs) emphasize war atrocities. However, additional research on the breadth of PMIEs could inform provision of patient-centred care for those experiencing moral injury. This study sought to gain a more in-depth understanding of Veterans' experiences surrounding PMIEs. Methods: Semi-structured, in-depth individual interviews were conducted with 32 Veterans who agreed or strongly agreed that they witnessed, did not stop (despite believing they could have), did things they felt were morally wrong during their time in a war zone, or any combination of these. Participants were asked what is important to know about such events and probed to describe the events in whatever level of detail they felt comfortable. Applied thematic analysis was used to code and analyze the data, including structural and content coding. Coding discrepancies were resolved by mutual consensus. Results: In addition to war atrocities, analyses revealed types of events that may be overlooked as potentially morally injurious but that were salient to Veterans: 1) fraud, waste, and abuse, 2) animal cruelty, 3) bullying and reputation smearing, 4) infidelity, 5) racism and sexism, 6) morally abhorrent practices, and 7) events outside the military. Veterans also reported and described multiple events at once or over time given multiple deployments and time in service rather than identifying a single specific PMIE. Discussion: The field would benefit from an operationalization of PMIEs not only grounded in empirical data and meaningful to clinicians but that also accounts for the perspectives of the Veterans who experienced PMIEs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,008
Communication savante0,0050,005
Science ouverte0,0020,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,212
Tête enseignante GPT0,492
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Military Veteran and Family HealthMême sujetPosttraumatic Stress Disorder ResearchTravaux en français237 207