Navigating transition: A mixed methods study protocol for understanding chronic pain, resilience, and well-being among Canadian Armed Forces Veterans, families, and service providers
Notice bibliographique
Résumé
Abstract Introduction Transitioning from military to civilian life is often challenging for Canadian Armed Forces (CAF) Veterans, and chronic pain further complicates reintegration and wellbeing. Family members and service providers play critical but understudied roles in this process. Methods This mixed-methods study combines secondary analysis of the previous dataset with new qualitative interviews. Quantitative analyses will describe characteristics of Veterans with chronic pain and assess associations between pain severity and transition outcomes using regression models. Qualitative interviews with Veterans (n=10), family members (n=10), and service providers (n=10) will explore pain management, barriers and facilitators to care, and resilience strategies, analyzed using both deductive (framework-guided) and inductive thematic approaches. Results Findings will identify correlates of chronic pain and transition outcomes, as well as systemic gaps and resilience-enabling supports across the transition continuum. Discussion This study is the first in Canada to examine chronic pain in Veterans’ transition through a multi-system lens inclusive of family and provider perspectives. Grounded in resilience frameworks, the design addresses individual, relational, and structural influences on post-service adjustment. Anticipated findings will inform targeted interventions, caregiver supports, and provider education to strengthen resilience and improve care coordination for Veterans with 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,089 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,012 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,051 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».