Exploring the prevalence and predictors of low resilience and likely PTSD in residents of two provinces in Canada during the 2023 wildfires
Notice bibliographique
Résumé
Background: The recent wildfires in Canada serve as a stark example of the substantial and enduring harm they cause to the health of individuals and communities. Assessing the prevalence and correlates of Post-traumatic stress disorder (PTSD) and low resilience is valuable for policymakers in public health. Objectives: The study aimed to assess the prevalence and predictors of low resilience and likely PTSD among subscribers of Text4Hope, an e-mental health program that delivered daily supportive messages to residents of Nova Scotia (NS) and Alberta(AB) during the recent wildfires. Method: Data collection was through a self-administered online survey completed by residents of the affected regions of NS and AB from May 14 to June 23, 2023. Data were analyzed using Statistical Package for the Social Sciences. Results: Out of 298 respondents, the prevalence of low resilience and likely PTSD in our sample were 52.0 and 39.3%, respectively. Unemployed respondents were about 3 times more likely to experience both low resilience and PTSD symptoms compared to those employed. Respondents with a history of mental health diagnosis were about 4 times more likely to experience likely PTSD compared to those with no history of mental health diagnosis. Conclusion: This study established that unemployment and a history of mental health diagnosis predicted likely PTSD, while unemployment was associated with low resilience during the wildfire. These findings offer insights for clinical interventions and the creation of psychosocial support programs for vulnerable populations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».