Post-Traumatic Stress Disorder in Fort McMurray: Prevalence and Correlates One Year After the Flood
Notice bibliographique
Résumé
INTRODUCTION: As a result of the floods in Fort McMurray (FMM) and the surrounding area in 2020, more than $228 million in insured damage was sustained, over 1200 structures were damaged, and more than 13,000 people were evacuated from their homes. OBJECTIVES: The aim of the study was to determine the prevalence of post-traumatic stress disorder (PTSD)-like symptoms among the population of FMM one year after the flood in 2020 and the risk predictors associated with such symptoms. METHODS: In order to collect sociodemographic, clinical, and flood-related information from residents of FMM via REDCap, an online quantitative cross-sectional survey was administered between April 24 and June 02, 2021. Respondents were assessed for probable PTSD using the PTSD Checklist for DSM-5 (PCL-C). RESULTS: An overall response rate of 74.7% was achieved among 186 of 249 respondents. The prevalence of likely post-traumatic stress disorder was 39.6% (65). There was a significantly increased likelihood of developing PTSD symptoms in respondents with a history of depression (OR= 5.71; 95% CI: 1.68 - 19.36). As well, disaster responders experiencing limited and no family support after the disaster were more likely to report PTSD symptoms (OR= 2.87; 95% CI: 1.02 - 8.05) and (OR= 2.87; 95% CI: 1.06 - 7.74), respectively. CONCLUSIONS: As a result of our study, we found that those who had a history of depression and had sought health counseling were significantly more likely to develop PTSD symptoms following flooding, while those with family support were less likely to suffer from PTSD symptoms. There is a need for further studies to investigate the relationship between the need for counseling and the presentation of potential symptoms of post-traumatic stress disorder. DISCLOSURE OF INTEREST: None Declared
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».