Moral injury associated with increased odds of past-year mental health disorders: a Canadian Armed Forces examination
Notice bibliographique
Résumé
Background: Potentially morally injurious experiences (PMIEs) are common during military service. However, it is unclear to what extent PMIEs are related to well-established adverse mental health outcomes.Objective: The objective of this study was to use a population-based survey to determine the associations between moral injury endorsement and the presence of past-year mental health disorders in Canadian Armed Forces (CAF) personnel and Veterans.Methods: Data were obtained from the 2018 Canadian Armed Forces Members and Veterans Mental Health Follow-up Survey (CAFVMHS). With a sample of 2,941 respondents, the weighted survey sample represented 18,120 active duty and 34,380 released CAF personnel. Multiple logistic regressions were used to assess the associations between sociodemographic characteristics (e.g. sex), military factors (e.g. rank), moral injury (using the Moral Injury Events Scale [MIES]) and the presence of specific mental health disorders (major depressive episode, generalized anxiety disorder, panic disorder, social anxiety disorder, PTSD, and suicidality).Results: While adjusting for selected sociodemographic and military factors, the odds of experiencing any past-year mental health disorder were 1.97 times greater (95% CI = 1.94–2.01) for each one-unit increase in total MIES score. Specifically, PTSD had 1.91 times greater odds (95% CI = 1.87–1.96) of being endorsed for every unit increase in MIES total score, while odds of past-year panic disorder or social anxiety were each 1.86 times greater (95% CI = 1.82–1.90) for every unit increase in total MIES score. All findings reported were statistically significant (p < .001).Conclusion: These findings emphasize that PMIEs are robustly associated with the presence of adverse mental health outcomes among Canadian military personnel. The results of this project further underscore the necessity of addressing moral injury alongside other mental health concerns within the CAF.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».