The Medium-Term Psychosocial Impact of the 2021 Floods in Belgium: A Survey-Based Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: This study investigates the medium-term psychosocial impacts of the 2021 floods in Belgium, which caused fatalities and considerable infrastructural damage. Given similar events’ significant impacts on psychosocial well-being, this study seeks to answer three questions: whether there are medium-term (two years and further) effects on residents’ psychosocial well-being, whether demographic variables influence these effects, and how flood exposure impacts psychosocial well-being. Methods: We collected data in affected municipalities through an online survey, assessing demographic variables (e.g., age, gender, education, SES), flood exposure (e.g., being physically hurt, being faced with financial difficulties), and psychosocial well-being, employing two validated instruments for quantitative evaluation: the RAND-36 and the Traumatic Exposure Severity Scale (TESS). Results: The sample included 114 participants, with 54% reporting a deterioration in their psychosocial well-being after the floods. Additionally, over 50% mentioned the psychosocial impact of the floods. SES was the only significant demographic variable impacting psychosocial well-being, with lower SES linked to higher deterioration. Financial difficulties generated by the floods were the only considerable exposure factor. Furthermore, 22% discussed being unhappy with the organized response measures. Due to the sample size, confounding effects could not be checked. Conclusions: This study found a medium-term effect of the 2021 floods on psychosocial well-being, highlighting the need for policy adaptations focused on post-disaster psychosocial support. With lower SES and financial difficulties as risk factors, one needs to design policies tailored to these vulnerable groups. With climate change expected to increase flood events, context-specific policies are essential to boost resilience.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle