Narratives of transformation and recovery in New Zealand Defence Force personnel accessing mental health support
Notice bibliographique
Résumé
Introduction: Little is known about user experiences of accessing mental health care among active duty New Zealand Defence Force (NZDF) personnel. Although research exists on barriers to care and treatment outcomes, there is a dearth of understanding of the experiences between these two areas of focus. This study describes the narratives of 21 active duty personnel who sought mental health support in the NZDF health care system. Methods: Participant accounts were generated through semi-structured interviews and analysed using a narrative approach. The focus of analysis was to provide a deeper understanding of how participants storied their experiences from the onset of mental distress to recovery, with a focus on the narrative structure of these experiences. Results: Participant narratives often followed the progression of a quest narrative, mirroring the hero's journey, which encompassed background factors leading to distress, chaos and breakdown, serendipitous connection to support, recovery, and redemption. Engaging with the health care system marked the beginning of personal transformation and posttraumatic growth. Transformation involved changing core beliefs and perspectives, leading to increased self-awareness and empathy and ultimately contributing to growth as individuals and leaders within the NZDF. Discussion: This study underscores the importance of understanding and facilitating posttraumatic growth in military personnel in both clinical and organizational contexts. It highlights the need for mental health messaging and support within military institutions to align with existing cultural values and narratives. Overall, the study contributes to a deeper understanding of the complex journey of recovery and growth in military mental health care contexts.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».