Are first responders interested in psychedelics? Assessing previous use, interest, and willingness to participate in psychedelic-assisted therapy
Notice bibliographique
Résumé
Abstract Background and aims First responders such as firefighters and police officers often experience traumatic events as part of their work. As a result, they are more likely to have mental health issues such as post-traumatic stress disorder, depression, and anxiety compared to the general population. Psychedelic-assisted therapy has emerged as a promising avenue to alleviate these issues, but little is currently known about first responders' interest in, and barriers to, these treatments. Here, we aimed to document first responders' attitudes towards LSD-assisted therapy and previous use of psychoactive drugs. Methods We recruited 102 participants through mailing lists of first responders' unions. Respondents were typically male firefighters in western Canada; others were police officers, paramedics, and military personnel across Canada and the United States. They were asked about their attitudes towards LSD- and marijuana-assisted therapies, previous psychiatric diagnoses, psychosocial impairments, and substance use. Results Respondents showed higher rates of distress and illicit drug use compared to the general population. Of those who sought professional treatment, a minority reported that the treatment had helped them. The respondents were generally interested in taking part in therapy or research involving LSD or marijuana. The setting (e.g., at home vs. a clinic), therapist presence, and drug dose were commonly reported to influence this participation. Conclusions First responders may particularly benefit from psychedelic therapy given their high interest in psychedelic drugs and high rates of treatment-relevant disorders. Better understanding the needs of this population will help inform future clinical trials and psychedelic therapies.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».