Protective Factors for Mental Disorders Among Survivors of Military Sexual Trauma: A Canadian Population-Based Study: Facteurs de protection relatifs à l’apparition de troubles mentaux chez les survivantes et survivants de traumatismes sexuels liés au service militaire : une étude basée sur la population canadienne
Notice bibliographique
Résumé
OBJECTIVES: Military sexual trauma (MST) is a prevalent issue among actively serving members and Veterans, and is associated with adverse health outcomes including mental disorders. This study sought to identify correlates and protective factors for the development of mental disorders among Canadian MST survivors. METHODS: = 455; 9.6%). A semi-structured diagnostic interview assessed MST and mental disorders in accordance with DSM-IV criteria. Multivariable logistic regressions examined associations between sample characteristics (2002 and 2018) and psychosocial factors (at baseline [i.e., 2002] and 2018) and any mental disorder since 2002. Analyses were run among the full subsample of MST survivors and additionally stratified by sex, when possible. RESULTS: Among MST survivors, 66.5% had a mental disorder since 2002. Among the total sample, those who were officers (odds ratio [OR] = 0.58) or on active duty (OR = 0.52) had reduced odds of any mental disorder since 2002. In addition, less frequent use of avoidance coping in 2002 and 2018 (adjusted odds ratio [AOR]: 0.86, 0.64), more frequent use of active coping in 2018 (AOR = 0.64), less frequent use of self-medication coping in 2018 (AOR = 0.79), greater perceived social support in 2018 (AOR = 0.94), and reduced work stress across various domains in 2018 (AOR: 0.67-0.87) were associated with reduced odds of any mental disorder since 2002. Some variability emerged according to sex (e.g., types of work stress or coping emerging as protective). CONCLUSIONS: Results highlight certain sample characteristics and psychosocial factors that illustrated a protective relationship with mental disorders among MST survivors. Findings may inform targeted intervention strategies that could help mitigate adverse mental health impacts of MST.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».