Childhood Maltreatment and Substance Use Disorders among Men and Women in a Nationally Representative Sample
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To examine the association between a history of 5 types of childhood maltreatment (that is, physical abuse, sexual abuse, emotional abuse, physical neglect, and emotional neglect) and several substance use disorders (SUDs), including alcohol, sedatives, tranquilizers, opioids, amphetamines, cannabis, cocaine, hallucinogens, heroin, and nicotine, in a nationally representative US adult sex-stratified sample. METHOD: Data were drawn from the National Epidemiologic Survey of Alcohol and Related Conditions (NESARC), a nationally representative US sample of adults aged 20 years and older (n = 34 653). Logistic regression models were conducted to understand the relations between 5 types of childhood maltreatment and SUDs separately among men and women after adjusting for sociodemographic variables and Diagnostic and Statistical Manual of Mental Disorders (DSM) Axis I and II mental disorders. RESULTS: All 5 types of childhood maltreatment were associated with increased odds of all individual SUDs among men and women after adjusting for sociodemographic variables, with the exception of physical neglect and heroin abuse or dependence, emotional neglect, and amphetamines and cocaine abuse or dependence among men (adjusted odds ratio range 1.3 to 4.7). After further adjustment for other DSM Axis I and II mental disorders, the relations between childhood maltreatment and SUDs were attenuated, but many remained statistically significant. Differences in the patterns of findings were noted for men and women for sexual abuse and emotional neglect. CONCLUSIONS: This research provides evidence of the robust nature of the relations between many types of childhood maltreatment and many individual SUDs. The prevention of childhood maltreatment may help to reduce SUDs in the general population.
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.
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) | 0,000 | 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 découle