Mental health during wildfires in Southcentral Alaska: An assessment of community-derived mental health categories, interventions, and implementation considerations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 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 | 0,001 | 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 découle