MétaCan
Menu
Retour à la cohorte
Enregistrement W6964699550 · doi:10.3389/fpsyg.2024.1303063.s001

Table_1_Longitudinal assessment of psychological distress and its determinants in a sample of firefighters based in Montreal, Canada.DOCX

2024· dataset· en· W6964699550 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2024
Typedataset
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDistressAnxietyCoping (psychology)Psychological distressMental healthSocial supportPerspective (graphical)Psychological intervention

Résumé

récupéré en direct d'OpenAlex

Introduction Firefighters face elevated risks of common mental health issues, with distress rates estimated at around 30%, surpassing those of many other occupational groups. While exposure to potentially traumatic events (PTEs) is a well-recognized risk factor, existing research acknowledges the need for a broader perspective encompassing multidimensional factors within the realm of occupational stress. Furthermore, this body of evidence heavily relies on cross-sectional studies. This study adopts an intensive longitudinal approach to assess psychological distress and its determinants among firefighters. Methods Participants were recruited from 67 fire stations in Montreal, Canada, meeting specific criteria: full-time employment, smartphone ownership, and recent exposure to at least one PTE, or first responder status. Subjects underwent a telephone interview and were directed to use an app to report depressive, post-traumatic, and generalized anxiety symptoms every 2 weeks, along with work-related stressors, social support, and coping styles. Analyses involved 274 participants, distinguishing between those exceeding clinical thresholds in at least one distress measure (the “distressed” subgroup) and those deemed “resilient.” The duration and onset of distress were computed for the distressed group, and linear mixed models were employed to evaluate determinants for each psychological distress variable. Results Clinical psychological distress was observed in 20.7% of participants, marked by depressive, post-traumatic, and anxiety symptoms, often within the first 4-week reference period. Contextual factors (operational climate, social support, solitude) and individual factors (coping style, solitude and lifetime traumatic events in private life) exhibited more significant impacts on psychological distress than professional pressures within the firefighters’ work environment. Discussion This study reports lower rates of psychological distress than previous research, possibly attributable to sample differences. It highlights that reported symptoms often represent a combined and transient layer of distress rather than diagnosable mental disorders. Additionally, determinants analysis underscores the importance of interpersonal relationships and coping mechanisms for mental health prevention interventions within this worker group. The findings carry implications for the development of prevention and support programs for firefighters and similar emergency workers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,812
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0780,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,339
Écart entre enseignants0,306 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetMachine Learning in Materials ScienceTravaux en français237 207