The relative impact of barriers to care among military health services personnel: exploring differences using context specific scenarios
Notice bibliographique
Résumé
Abstract Background Military health care providers often under access both physical and mental health care, yet research has predominantly focused on barriers to mental health care. This study explored a comprehensive set of barriers using hypothetical scenarios to quantify barrier impact on access to both mental and physical health care. Methods Canadian military health services personnel (N = 1033) completed one of two electronic surveys (assessing either physical health or other mental health barriers) that captured participant’s demographics, health, endorsement of barriers, intent to seek care, and whether the respondent would access care in different health scenarios (pneumonia, back injury, depression and post-traumatic stress disorder). Logistic regression was used to calculate odds of not accessing care (versus accessing care) for each of the four health scenarios. Results All barrier factors independently predicted increased odds of not accessing care for all four scenarios. When entered into an adjusted model none of the barrier factors significantly predicted accessing care in the physical health scenarios. Staffing and workload resources and Treatment preferences (e.g., self-treat) were significant predictors of accessing care in the mental health scenarios. Weak general intentions to access care was the strongest predictors of not accessing care across all four scenarios. Conclusions The impact of barriers on hypothetical care-seeking behaviour differs depending on the context for which one is accessing care, with access to resources and preference to self-treat driving mental health care seeking. Intent appears to be the most impactful predictor of accessing care potentially mediating the effect of other barrier types on care seeking.
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 | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,151 | 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 ».