Exploring the role of service dogs for Canadian military Veterans experiencing suicidality
Notice bibliographique
Résumé
Abstract Despite ample anecdotal evidence, there are limited meaningful studies speaking to the important role of the human-animal bond (HAB) in reducing suicidality. However, research is increasingly showing the viability of service dogs (SDs) as a complementary approach for military Veterans suffering from post-traumatic stress disorder (PTSD) and substance use harms – two of the strongest indicators of suicidality across any population. An original, exploratory study completed in 2020 focused on how SDs supported Canadian Veterans living with PTSD and substance use concerns. From this work, a secondary analysis was then undertaken: 28 transcripts were examined through thematic analysis to explore the experiences of the Veterans who were identified as being at high risk for suicide to better understand how SDs may assist with their suicidality. Our methodological approach for the secondary analysis employed affective coding to discover how the social support system enabled by the SDs reduced experiences of loneliness and hopelessness, as well as symptoms of PTSD, depression, and substance use concerns that are commonly associated with suicidality. The SDs were reported by the Veterans as being a catalyst in reducing self-harm and suicidality, as the HAB provided a unique and necessary form of social support for Veterans that was distinct from what other human-human interactions could provide. While acknowledgement of how context specificity and the lived experience of each individual remains crucial for making sense of suicidality, the significant finding from this research has been the identification of the critical impact that SDs have in the lives of Veterans when it comes to preventing suicide. The SD has been explained as a bridge to improve Veterans’ overall quality of life and reduce markers commonly recognized as precursors to suicide – a finding that may be critical in helping reduce future suicide risk among military Veterans, and warrants further investigation.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».