Verbal Versus Physical Victimization From Other People's Drinking: How Do Gender, Age, and Their Interactions With Drinking Pattern Affect Vulnerability?
Notice bibliographique
Résumé
OBJECTIVE: The main objectives of this study were to determine (1) the extent of differential association of gender and age with being the victim of aggression by someone who has been drinking (i.e., alcohol-related victimization) for both verbal and physical forms of victimization and (2) whether drinking status/pattern interacts with gender and age in predicting verbal and physical victimization. METHOD: A general population survey of Canadian adults ages 18-76 was conducted using random digit dialing and computer-assisted telephone interviewing. Respondents who reported verbal victimization only, physical victimization only, and any combination of verbal and physical victimization were compared with those who reported no victimization. RESULTS: Verbal victimization was significantly more likely for women than for men, whereas physical victimization was more likely for men than for women. Younger age was more strongly associated with physical than with verbal victimization. In terms of significant interaction effects, the relationship between heavy episodic drinking (HED) and experiencing verbal victimization alone and combined verbal and physical victimization (but not for physical victimization alone) was significant for women but not for men. HED was significantly associated with experiencing combined verbal and physical victimization for younger people but not for older people. CONCLUSIONS: Future research on alcohol-related victimization needs to take into consideration the nature of alcohol-related victimization (e.g., verbal vs physical) and potential interactions involving gender and age. The significant relationship between HED and combined verbal and physical victimization for younger persons suggests that prevention efforts aimed at decreasing heavy drinking among young people may reduce their risk of victimization.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».