MétaCan
Menu
Retour à la cohorte
Enregistrement W4362475446 · doi:10.3138/jmvfh-2022-0064

Employment and mental health among UK ex-service personnel during the initial period of the COVID-19 pandemic

2023· article· en· W4362475446 sur OpenAlexvenueno aff
Howard Burdett, Marie‐Louise Sharp, Danai Serfioti, Margaret Jones, Dominic Murphy, Lisa Hull, David Pernet, Simon Wessely, Nicola T. Fear

Notice bibliographique

RevueJournal of Military Veteran and Family Health · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicUnemploymentMental healthCoronavirus disease 2019 (COVID-19)PopulationMilitary personnelService personnelPsychologyMedicineDemographic economicsGerontologyDemographyService (business)PsychiatryPolitical scienceBusinessEconomic growthEnvironmental healthEconomicsSociologyDisease

Résumé

récupéré en direct d'OpenAlex

Introduction: The COVID-19 pandemic interrupted participation in the labour force and may have affected mental health, both directly through the effects of illness and isolation and indirectly through negative effects on employment. Former military personnel may be at particular risk as a result of both additional exposure to risk factors for poor mental health and barriers to labour market participation raised by the transition from military to civilian working environments. This article examines furlough and unemployment as a result of the COVID-19 pandemic among UK working-age ex-service personnel and its associations with poor mental health. Methods: Participants from an existing cohort study of Iraq- and Afghanistan-era UK Armed Forces personnel were invited to provide information on employment before the COVID-19 pandemic and how it has changed since the pandemic. Mental health was measured using the General Health Questionnaire and compared with data collected pre-pandemic. Results: Although Veteran unemployment is not higher than civilian unemployment (4.7% and 4.8%, respectively, in September 2020), it rose during the pandemic from a lower level (1.3%). Part-time and self-employed Veterans were more likely than full-time employees to experience furlough or unemployment. A negative impact on employment was associated with the onset of new mental ill health. Discussion: Employment of ex-service personnel was more negatively affected by the COVID-19 pandemic, possibly because ex-service personnel are mostly men, and men were more affected in the UK general population. This employment instability has negative consequences for mental health that are not mitigated by furlough.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,068
Score d'incertitude au seuil0,136

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,117
Tête enseignante GPT0,415
Écart entre enseignants0,298 · 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'étudeObservationnel
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 sujetEmployment and Welfare StudiesTravaux en français237 207