Law enforcement personnel: systematic review of the impact of prevention programs following exposure to work-related trauma
Notice bibliographique
Résumé
Purpose Law enforcement personnel are often exposed to critical incidents and are at risk of post-traumatic psychopathologies. The purpose of this systematic review is to synthesize and evaluate recent empirical research about primary and secondary prevention strategies designed to reduce the risk of law enforcement officers developing post-traumatic disorders. Design/methodology/approach The study used a systematic review approach guided by the Institute of Medicine’s Standards for Systematic Reviews and Preferred Reporting Items for Systematic Reviews and Meta-Analyses. Findings In total, 13 articles were deemed relevant to the question of evidence for prevention programs intended to reduce the development of post-traumatic psychopathologies in law enforcement officers. Our review found these indicated a lack of evidence for the efficacy of prevention programs. Seven of the articles included in this review focused on Critical Incident Stress Debriefing (CISD), providing no evidence to support CISD as a secondary prevention strategy for law enforcement officers. The remaining six studies focused on diverse prevention approaches including resilience training, imagery and psychosocial support, with limited evidence available. Originality/value Interestingly, despite a plethora of literature in this area, our review indicates a lack of high-quality studies investigating effective prevention approaches for law enforcement personnel. Given the potentially significant impact of post-traumatic stress disorder and other conditions associated with work-related trauma for law enforcement organizations, there is a clear need to undertake high-quality research into preventative measures in this area.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 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 ».