Non-suicidal self-injury, youth, and the Internet: What mental health professionals need to know
Notice bibliographique
Résumé
Non-suicidal self-injury (NSSI) content and related e-communication have proliferated on the Internet in recent years. Research indicates that many youth who self-injure go online to connect with others who self-injure and view others' NSSI experiences and share their own through text and videos platforms. Although there are benefits to this behaviour in terms of receiving peer support, these activities can introduce these young people to risks, such as NSSI reinforcement through the sharing of stories and strategies, as well as, risks for triggering of NSSI urges. Due to the nature of these risks mental health professionals need to know about these risks and how to effectively assess adolescents' online activity in order to adequately monitor the effects of the purported benefits and risks associated with NSSI content. This article offers research informed clinical guidelines for the assessment, intervention, and monitoring of online NSSI activities. To help bridge the gap between youth culture and mental health culture, these essentials include descriptions of Community, Social Networking, and Video/Photo Sharing websites and the terms associated with these websites. Assessment of these behaviours can be facilitated by a basic Functional Assessment approach that is further informed using specific recommended online questions tailored to NSSI online and an assessment of the frequency, duration, and time of day of the online activities. Intervention in this area should initially assess readiness for change and use motivational interviewing to encourage substitution of healthier online activities for the activities that may currently foster harm.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».