Equipping the next generation of clinicians for addressing conflict mental health: A role for Geopsychiatry
Notice bibliographique
Résumé
The past two decades have seen a surge in violent conflicts worldwide, leading to 238,000 conflictrelated fatalities in 2022 alone [1].This challenges the perception that conflict is limited to 'unstable' regions, highlighting its global reach.Active wars in Ukraine, Sudan and Palestine have drawn attention onto conflicts even further.Beyond immediate death tolls, the enduring psychosocial impacts are profound, with conditions like Post Traumatic Stress Disorder (PTSD) affecting millions [2,3].During its last World Health Assembly, the World Health Organization approved a crucial resolution to integrate mental health and psychosocial support (MHPSS) across all stages of emergencies, including conflicts, disasters, and humanitarian crises.The distant and recent experience from conflict zones raises doubt on whether local healthcare systems and external interventions have the needed skills and experience to deliver in times of crisis [4]. Current gaps in trainingPsychiatric training often lacks comprehensive education on conflict-related mental health.A US survey revealed only 20% of psychology doctoral programs offer trauma-focused training [5].Similarly, a Canadian study found significant gaps in preparing residents to handle warinduced trauma [6].Despite some programs like George Washington University's global mental health (GMH) initiative, which includes rotations in conflict zones, these are exceptions rather than the norm [7].The lack of training means that many clinicians are ill-prepared to deal with the complex mental health needs of populations affected by conflict.For example, traditional psychiatric training often focuses on PTSD without addressing other common conflict-related conditions such as depression, anxiety, and substance abuse.Furthermore, training programs rarely include components on cultural competence, which is crucial for effectively treating refugees and migrants who may have different expressions of psychological distress.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».