Resilience among police officers: the role of personality functioning and protective factors
Notice bibliographique
Résumé
Purpose Police officers face a unique and challenging occupational experience and report elevated mental disorder symptoms relative to the general population. While gender differences appear to be present in police mental health, this study aims to find which factors foster and promote resilience in these workers and how gender may relate to police resilience. Design/methodology/approach The present study was designed to explore how protective factors, sexual harassment and personality dysfunction impacted resilience among police officers (n = 380; 44% women). Furthermore, gender differences were also examined on these factors as well as on resilience rate. Findings Men and women police officers did not differ significantly in terms of resilience, protective factors and overall experiences of sexual harassment behaviors; yet, policewomen subjectively reported having experienced more sexual harassment in the past 12 months than policemen. Men reported greater personality difficulties than women, according to the alternative Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5) model for personality disorders. Personality dysfunction was the most robust predictor of poor resilience (ß = −0.465; p < 0.001). Originality/value Personality fragilities appear to have an important negative impact on the resilience of police officers, over and above protective factors and gendered experiences. Interventions targeting emotion regulation, self-appraisal and self-reflection could help promote resilience and foster well-being in this population.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».