Mental health during wildfires in Southcentral Alaska: An assessment of community-derived mental health categories, interventions, and implementation considerations
Notice bibliographique
Résumé
Previous studies have linked wildfires to a range of adverse mental health outcomes, but there has been limited research on the mental health impacts of wildfire in Alaska, an area undergoing rapid environmental change. We used a multi-level qualitative approach to identify mental health and psychosocial problems, coping, existing support, and gaps in support among communities who were affected by the Swan Lake and McKinley fires in Alaska in 2019. We recruited 39 community members from Anchorage and the Kenai Peninsula to participate in free list interviews, a community ranking workshop, and in-depth interviews, and we recruited 12 professional key informants including wildland firefighters, mental health providers, community advocates, policy makers, and public health professionals to participate in in-depth interviews and a discussion-based workshop. There were several locally-defined categories of mental health issues identified in relation to wildfires in southcentral Alaska in 2019. Key informants who work in the region identified a package of communications-related interventions as being the most impactful and actionable support for wildfire-related mental health concerns. Additional highly rated mental health supports centered around leadership acknowledging the connection between wildfire and mental health, connecting community members to formal or informal systems of mental health care, enhancing the emergency shelter system, and providing crises debriefing during wildfire evacuations. The results of this study can be utilized to facilitate implementation of prevention and response activities to support mental health resilience during wildfires in Alaska and other wildfire-affected regions.
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 | 0,004 | 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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».