The weight of words: a scoping review of depression and suicidal ideation among 911 call takers and dispatchers
Notice bibliographique
Résumé
BACKGROUND: Communicators in public safety, such as 911 telecommunicators, emergency medical dispatchers, and police and fire dispatchers, frequently deal with distressing calls, traumatic narratives, and high-stakes decisions. Despite not being physically present at crisis scenes, these experts endure psychological stress on par with first responders. This scoping review examines the prevalence and determinants of depression and suicidal ideation among public safety communicators and their co-occurrence, summarizes the occupational and personal risk factors contributing to these outcomes, and evaluates proposed mitigation strategies. RESULTS: The research indicates that depression is reported at elevated rates in this workforce, ranging from 8.4% to 73%, depending on the population and the sensitivity of the instrument, based on 11 quantitative studies published between 1995 and 2025. Although less studied, suicidal ideation appears to be significantly higher in this group compared to the general population. Contributing factors include indirect trauma exposure, shift work, emotional suppression, organizational neglect, and a history of trauma. The frequent co-occurrence of depression and suicidal ideation supports the Interpersonal Theory of Suicide as a relevant explanatory framework. CONCLUSIONS: Despite accumulating evidence, research is methodologically limited due to cross-sectional designs, inconsistent screening tools, and sample homogeneity. Existing interventions, such as peer support, debriefing, and trauma-informed training, are inconsistently applied and under-evaluated. The findings highlight a pressingneed for longitudinal research, targeted interventions, and workplace reforms that take into account the unique psychological burdens associated with communicator roles. Addressing depression and suicide risk among these professionals is critical to ensuring both workforce well-being and the continued effectiveness of public safety systems.
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 | 0,017 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,026 | 0,022 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».