Les facteurs associés à la présence de trouble de stress post-traumatique chez la population générale en contexte de pandémie de COVID-19
Bibliographic record
Abstract
La position socioéconomique peut contribuer aux inégalités sociales en matière de trouble de stress post-traumatique (TSPT) en raison d'une exposition différentielle aux déterminants sociaux de la santé. Nous avons examiné les différences entre les identités de genre et les revenus dans les associations entre les déterminants sociaux de la santé et le diagnostic médical autodéclaré de TSPT avant ou pendant la pandémie de COVID-19. Les données proviennent de 17 179 adultes âgés de 35 ans et plus ayant participé aux enquêtes sur la santé du Partenariat canadien pour la santé de demain (CanPath) en 2020 et 2021. Des analyses de régression logistique multivariables ont été utilisées pour examiner les associations entre le diagnostic de TSPT et les indicateurs de position socioéconomique, de conditions matérielles, ainsi que les déterminants biologiques, comportementaux, psychosociaux et liés au système de santé. Les analyses ont été stratifiées selon le genre et le niveau de revenu, et les termes d'interaction ont été testés. La prévalence des diagnostics de TSPT autodéclarés était de 3,0 % (n = 518). Dans les analyses ajustées, le diagnostic de TSPT était associé à l'incapacité de travailler en raison d'une maladie ou d'un handicap, à des symptômes d'anxiété ou de dépression et à la multimorbidité. Parmi les facteurs modifiables, le diagnostic de TSPT était associé à la consommation de cannabis et à des indicateurs des services de santé mentale, notamment l'utilisation de ces services et les obstacles à leur accès. Le genre a significativement modifié l’association entre l'utilisation des services de santé mentale et le diagnostic de TSPT (p < 0,001), l'utilisation des ressources déjà en place dans le domaine de la santé mentale étant plus fortement associée au TSPT chez les hommes que chez les femmes. Le niveau de revenu modifiait l'association entre la consommation d'alcool et le diagnostic de TSPT (p = 0,037). La réduction de ces inégalités nécessite la mise en place de politiques ciblant les personnes en situation de précarité financière souffrant de problèmes de santé mentale et l’amélioration de l’accès équitable aux services de santé mentale, parallèlement à des stratégies de prévention en amont axées sur les déterminants sociaux de la santé.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".