Associations between military sexual trauma and chronic pain in men and women active military members and veterans
Notice bibliographique
Résumé
Introduction We evaluated gendered risks and the associations between demographics, anxiety, and depressive symptoms, military sexual trauma (MST), and severe pain in Canadian military personnel and veterans.Methods A cross-sectional sample of 328 veterans and military members with chronic pain completed confidential surveys, including demographics, disability, pain location, and intensity, as well as a Patient Health Questionnaire (PHQ-4). We evaluated gendered exposures (rates, odds ratios), associations between MST and severe pain (logistic regression), and associations with pain severity and PHQ-4 (linear regression), adjusting for age, race, and education.Results We found high levels of chronic pain and disability for women and men (6.8 or 6.9/10), PHQ-4 scores (6.6 or 6.2/12), and SANE scores (11% or 10%). Women reported higher exposure to MST (e.g. 69% for sexual harassment, 76% for emotional abuse) than men (8% and 13%). Odds of severe pain were not gendered (OR = 1.05). Physical abuse (β = 1.09, p = .030) and gender discrimination (β = 1.10, p = .033) were associated with higher PHQ-4 scores. Sexual harassment was not independently associated (OR = 1.57, p = .354) with chronic pain, but was associated with increased anxiety and depressive symptoms (β = 1.06, p = .016). Higher PHQ-4 scores were significantly associated with higher pain scores (β = 0.18, p < .001).Conclusions MST exposures are much more common among women, but the associations of MST with severe pain and PHQ-4 scores are similar across genders. Differences in operational trauma and occupational trauma may influence occupational stress injuries and chronic pain.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».