Associations between individual cognitive factors, mode of exposure and depression symptoms in practitioners working with aversive crime material
Notice bibliographique
Résumé
Background: There is extensive literature on front-line officers and investigators exposure to trauma and its negative impact on them. However, there are analytical practitioners in law enforcement who indirectly work with the traumatic experiences of other people daily, but are seldom the focus of academic research.Objective: Our goal was to conduct the first international study with these practitioners to identify the risk of depression symptoms and establish whether potentially modifiable risk factors (belief in a just world, mental imagery and thought suppression) and work-related characteristics (medium of exposure) are associated with depression.Method: 99 analysts and secondary investigators employed in police and law enforcement organizations from the UK, Europe and Canada participated in the study. The online survey was advertised to employees via their employers but hosted without employer access. Multiple regression was used to analyze the data.Results: After controlling for age, gender, ethnicity, previous exposure to trauma, and marital status, four potential risk factors were identified. Analytical practitioners with vivid mental imagery, those exposed to crime material via auditory and visual means, those who suppressed intrusive thoughts, and those who believed in a just world reported more depressive symptoms.Conclusions: The majority of our sample reported clinical levels of depressive symptoms. Four potential risk factors accounted for just under half of the variance in depression scores. We consider strategies that can be used to mitigate the potential negative influence of these factors and suggest that these are established as risk factors for depression symptoms via future longitudinal research.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».