Individual and collective exposure to political violence: Palestinian adolescents coping with conflict
Notice bibliographique
Résumé
BACKGROUND: We conducted a survey of Palestinian adolescents in school. We hypothesized that collective and individual exposures to violence would both negatively affect adolescents' mental health. We also anticipated that the negative effect of collective exposures on mental health would be less than that of individual exposures. Our analysis was designed to test these hypotheses. METHODS: A representative sample of 3415 students of 10th and 11th grades from the Ramallah District of the West Bank participated in the survey. The primary independent variables were scales of individual and collective exposures to trauma/violence (ETV) by the Israeli military and settlers. Factor analysis revealed several sub-scales. Outcome measures were constructed and included: a binary measure of depressive-like states, and emotional, depressive-like state, and somatic scales. Several variables were identified as possible covariates: gender, age, school-type, residence, employment status of father, and identity documents held. RESULTS: Logistic and multiple regression analyses revealed a strong relationship between ETV and adolescents' mental health, with both individual and collective exposures having independent effects. There was a higher prevalence of depressive-like symptoms among girls compared with boys, and in adolescents living in Palestinian refugee camps compared with those living in cities, towns and villages. CONCLUSION: The findings confirmed our hypothesis that both individual and collective ETV independently affect the mental health of adolescents. Contrary to expectations, individual exposures did not consistently have a greater negative effect on health outcomes than collective exposures, although the sub-scale of direct personal exposures to violence consistently showed the strongest effect among sub-scales. The results emphasize the importance of going beyond individual experiences and including the health outcomes of collective violation when analyzing violent and traumatic contexts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».