Exploring the association between moral injury and posttraumatic stress symptoms among Canadian public safety personnel
Notice bibliographique
Résumé
Public safety personnel (PSP), such as police officers, firefighters, correctional workers, and paramedics, routinely face work stressors that increase their risk of developing posttraumatic stress disorder (PTSD). PSP may additionally face moral transgressions in the workplace (e.g., witnessing human suffering, working within broken systems), heightening the risk of moral injury (MI) in this population. Research among military personnel and health care workers shows an association between MI and PTSD; however, less is known about the association between these constructs among PSP. Canadian PSP completed an online survey between June 2022 and June 2023, including a demographic questionnaire and measures of PTSD, MI, dissociation, depression, anxiety, stress, and childhood adversity. Latent variable structural equation modeling (SEM) was performed to ascertain the impact of a latent MI construct (i.e., shame, trust violation, functional impairment) on a latent PTSD construct (i.e., intrusions, avoidance, negative alterations in cognition and mood, hyperreactivity, depersonalization, derealization). Sex, age, depression, anxiety, stress, and childhood adversity were included as covariates. A total of 314 PSP were included in the data analysis. A latent variable SEM regressing PTSD onto MI and including covariates accounted for 83.7% of the variance in PTSD. MI was the strongest predictor compared to all covariates and was significantly associated with PTSD symptoms, β = .506, p < .001, above and beyond the impacts of sex, age, depression, anxiety, stress, and childhood adversity. These findings are consistent with research among military members and health care providers and highlight the importance of further exploring MI among PSP.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».