La santé mentale des vétéran(e)s des Forces armées canadiennes : évaluation des études sur la population
Notice bibliographique
Résumé
Introduction: The mental health of Canadian Armed Forces (CAF) populations emerged as an important concern in the wake of difficult CAF deployments in the 1990s. This article is the first comprehensive summary of findings from subsequent surveys of mental health and well-being in CAF Veterans, undertaken to inform mental health service renewals by CAF Health Services and Veterans Affairs Canada (VAC). Methods: Epidemiological findings in journal publications and government reports were summarized from four cross-sectional national surveys: a survey of Veterans participating in VAC programs in 1999 and three surveys of health and well-being representative of whole populations of Veterans in 2003, 2010, and 2013. Results: Although most Veterans had good mental health, many had mental health problems that affected functioning, well-being, and service utilization. Recent Veterans had a higher prevalence of mental health problems than the general Canadian population, earlier-era Veterans, and possibly the serving population. There were associations between mental health conditions and difficult adjustment to civilian life, physical health, and multiple socio-demographic factors. Mental health problems were key drivers of disability. Comparisons with other studies were complicated by methodological, era, and cultural differences. Discussion: The survey findings support ongoing multifactorial approaches to optimizing mental health and well-being in CAF Veterans, including strong military-to-civilian transition support and access to effective mental and physical health services. Studies underway of transitioning members and families in the peri-release period of the military-to-civilian transition and longitudinal studies of mental health in Veterans will address important knowledge gaps.
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 | 0,024 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,011 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| 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 ».