MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401919837 · doi:10.1192/j.eurpsy.2024.360

Mental health impact of the Russian-Ukraine war on Canadian residents with or without Ukrainian descent

2024· article· en· W4401919837 sur OpenAlexaffabout
A. Belinda, Reham Shalaby, Yifeng Wei, Vincent I. O. Agyapong

Notice bibliographique

RevueEuropean Psychiatry · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensDalhousie UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésUkrainianMental healthPolitical scienceDescent (aeronautics)MedicineGeographyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Introduction War tends to produce fear. The devastating and traumatic occurrences of war can have both short- and long-term effects on the mental well-being of populations. Russia’s invasion of Ukraine indirectly affects all populations, especially individuals of Ukrainian descent. Objectives To assess the mental health impact of the Russian invasion of Ukraine on Canadian residents who subscribed to ‘Text4Hope Ukraine’ program and to ascertain if there are differences in mental health impacts between those with and without Ukrainian descent. Methods Canadians were invited to self-subscribe to the text messaging program. An online survey was used to collect sociodemographic, war-related, and clinical information; stress, resilience, likely anxiety disorder and likely depressive disorder from subscribers. Outcome measures included baseline scores using validated scales. Data were analyzed using SPSS Version 25. To examine the association of psychological problems with the sociodemographic and war-related factors, univariate analysis using the Chi-square/Fishers Exact test was performed with two-tailed significance (p ≤ .05). An independent sample t-test with two-tailed significance (p-value ≤ 0.05) was employed to assess the differences in the respective mean scores of the psychological problems across the two groups. The first group represents the participants who did not have citizenship or ancestors from Ukraine (NUk), while the second group represents the respondents are Ukrainian who either have previously held citizenship or have ancestors/family from Ukraine (Ukr). No imputation of missing data and reported data represents the complete responses Results Study findings reflected prevalence of low resilience (59.7%), moderate to high stress (87.5%), likely Generalized Anxiety Disorder (45.8%) and likely Major Depressive Disorder (38.9%). Respondents who identified as female had a higher likelihood of presenting with low resilience (χ2(1) = 5.68, p = .02) and likely Generalized Anxiety Disorder (χ2 (1) = 4.85, p = .03) compared to male respondents. There was no statistically significant difference in the mean scores of the four psychological problems based on any of the variables that suggest Ukrainian descent or not (p>.05). Conclusions War can have negative impacts on all populations irrespective of their location, or association of individuals with the impacted country. This study provides valuable insights into the mental health impact of the Russian invasion of Ukraine on a specific sample of Canadian residents who subscribed to the ‘Text4Hope Ukraine’ text messaging program. This information is relevant when planning mental health intervention for this population. Governments should target and provide adequate mental health and psychosocial support or interventions for global populations at risk during war. Disclosure of Interest None Declared

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,336
Écart entre enseignants0,318 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Psychiatry→Même sujetMigration, Health and Trauma→Travaux en français237 207→