Santé mentale des camionneurs québécois ayant vécu un accident de la route impliquant une tentative de suicide devant leur camion
Bibliographic record
Abstract
En 2019, les accidents de la route ont fait 35 000 victimes au Québec. Leurs effets sur la santé mentale des survivants sont peu documentés statistiquement. La prévalence du trouble stress post-traumatique (TSPT) et de sa comorbidité avec l'insomnie, la dépression et la phobie des transports a été notée chez certaines victimes. Quant aux victimes d'accidents impliquant un véhicule lourd, elles sont surreprésentées. Dans la majorité de ces cas, le camionneur n'est pas la personne responsable. Dans ces situations, il est possible qu'une personne ait utilisé le véhicule lourd pour tenter de s'enlever la vie. L'impact des suicides devant les véhicules lourds sur la santé mentale est décrié par des associations de camionneurs, mais la nature et l'importance de ces conséquences sont peu connues. Le but de cette étude est d'établir un portrait de la santé mentale chez un échantillon de camionneurs québécois ayant vécu ou non un accident de la route, impliquant ou non une tentative de suicide. Quatre-vingt-cinq camionneurs québécois (64,7 % hommes, âge moyen = 42,8 ans) ont rempli une batterie de questionnaires maison et validés mesurant la sévérité des symptômes du TSPT, de l'insomnie, de la dépression, du fonctionnement quotidien et les habitudes de consommation de substances. Une différence significative a été observée entre ceux n'ayant pas vécu d'accident et ceux ayant vécu un accident n'étant pas une tentative de suicide sur la sévérité des symptômes intrusifs liés au TSPT (F (2,82) = 4,017, p = 0.022). Aucune différence significative n'a été observée entre les personnes rapportant des accidents impliquant une tentative de suicide et celles des autres groupes. L'échantillon de cette étude n'a pas permis d'observer d'impact spécifique sur la santé mentale des camionneurs ayant vécu des accidents de la route impliquant une tentative de suicide. De ce fait, les résultats obtenus indiquent que, pour cet échantillon de camionneurs, le contexte de l'accident n'est pas ce qui semble avoir la plus grande influence sur la santé mentale. Dans les recherches futures, la prise en compte du temps depuis l'accident ou du nombre d'accidents vécus, entre autres, permettrait d'obtenir un portrait plus fidèle de cette population.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".