Evaluating the Before Operational Stress on-demand asynchronous online training for public safety and healthcare personnel
Notice bibliographique
Résumé
Background Public safety personnel (PSP) experience frequent exposures to potentially psychologically traumatic events, increasing their likelihood of developing several mental health disorders. The Before Operational Stress (BOS) program was designed as a proactive psychological intervention to build resilience and improve interpersonal relationships among Canadian PSP. Previous mixed-methods evaluations of the BOS program evidenced small but statistically significant improvements associated with BOS Intensive (in-person) training. A new delivery modality was developed to provide asynchronous online access to program content (i.e., BOS On-Demand) to improve accessibility. Objective The current study was designed to assess the impact of BOS On-Demand with data from a large sample of PSP ( n = 9295; n = 636 [56.1% female] completed all surveys). Methods Participants were administered a self-report survey at pre-training, post-training, and at a 3-month follow-up. Multilevel modeling was used to assess differences in outcome measure changes across timepoints. Results BOS On Demand was associated with several small, but statistically significant, improvements sustained at follow-up, including decreased stress (post-training , p ≤ .001, Cohen’s d = -0.15; follow-up, p ≤ .01, Cohen’s d = -0.19), as well as increased mental health knowledge (pre-training, p ≤ .01, Cohen’s d = 0.13; follow-up, p ≤ .001, Cohen’s d = 0.34). Conclusion The current study provides the first evaluation of the BOS On-Demand program, evidencing encouraging improvements across several measures of mental health.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».