Problematic Prescription Drug Use Among Canadian Armed Forces Veterans: Data from the Canadian Armed Forces Members and Veterans Mental Health Follow-Up Survey (CAFVMHS)
Notice bibliographique
Résumé
BACKGROUND: Problematic prescription drug use (PPDU) is a public health concern that can cause degradation of wellbeing. Examination of prevalence and correlates of PPDU in Canadian Armed Forces (CAF) Veterans is essential to understand its impact and to identify those at risk. This study aimed to assess correlates of PPDU among CAF Veterans, including sociodemographic characteristics and physical and mental disorders. METHODS: = 1,922), all of whom indicated Veteran status at the time of the survey. PPDU was defined as utilization of a prescription drug without a prescription, in excess to the amount prescribed, for recreational purposes, or to a level where the individual felt they could not stop usage. PPDU included three categories of substances: sedatives/tranquilizers, stimulants, and analgesics. RESULTS: Nine percent of Veterans indicated PPDU in the past year, while 16.8% endorsed PPDU in their lifetime. Being unpartnered increased the odds of PPDU, while older age, air environment, and officer rank were associated with lower odds. Past-year presence of a mental disorder, alcohol use disorder, suicidal behavior, chronic pain condition, and greater number of physical health conditions demonstrated positive associations with PPDU (Adjusted Odds Ratios [AORs] ranging from 1.36 to 5.31). Increasing number of traumatic events and deployment-related experiences led to greater odds of PPDU (AORs of 1.12 and 1.16, respectively). CONCLUSIONS: Results highlight the vulnerability of the CAF Veteran population to PPDU. Correlates noted may aid in the development of supports to promote the mental health of Veterans.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».