MétaCan
Menu
Retour à la cohorte
Enregistrement W4415245901 · doi:10.1080/15614263.2025.2566733

Mental health of Royal Canadian Mounted Police after the first year of service

2025· article· en· W4415245901 sur OpenAlexafffundabout
R. Nicholas Carleton, Katie L. Andrews, Taylor A. Teckchandani, Juliana M. B. Khoury, Robyn E. Shields, Kirby Q. Maguire, Tracie O. Afifi, Jolan Nisbet, Amber J. Fletcher, Shannon Sauer‐Zavala, Sherry H. Stewart, Lisa M. Lix, Gregory P. Krätzig, J. Patrick Neary, Terence M. Keane, Alain Brunet, Nicholas A. Jones, Jitender Sareen, Gordon J. G. Asmundson

Notice bibliographique

RevuePolice Practice and Research · 2025
Typearticle
Langueen
DomainePsychology
ThématiquePosttraumatic Stress Disorder Research
Établissements canadiensLearning PartnershipDalhousie UniversityUniversity of ManitobaUniversity of Regina
Organismes subventionnairesCanada Research ChairsGovernment of Canada
Mots-clésMental healthMental health serviceService (business)Health servicesService member

Résumé

récupéré en direct d'OpenAlex

Royal Canadian Mounted Police (RCMP) frequently report symptoms consistent with positive screens for one or more mental health disorders (65%), but RCMP cadets evidence a much lower prevalence (7.3%) prior to deployment. The differences in mental health between cadets and experienced RCMP implicates mental health challenges to be related to service experiences; however, less is known about how mental health changes during the first year of service. The current study examines changes in mental health during the first year of service. At 1-year follow-up, participants (n = 181; 72.8% male) reported higher symptom severity (ds = .09 to .53, all ps < .05) and positive screens (Zs = .05 to 3.32, all ps < .001) for posttraumatic stress disorder, major depressive disorder, and social anxiety disorder than at pre-deployment. The current results substantiate RCMP mental health challenges begin to develop as early as the first year of service, underscoring the need for continuous evidence-based supports and assessments.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,146

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,488
Écart entre enseignants0,415 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePolice Practice and ResearchMême sujetPosttraumatic Stress Disorder ResearchTravaux en français237 207