Harsh Physical Punishment in Childhood and Adult Physical Health
Notice bibliographique
Résumé
BACKGROUND: The use of physical punishment is controversial. No studies have comprehensively examined the relationship between physical punishment and several physical health conditions in a nationally representative sample. The current study investigated possible associations between harsh physical punishment (ie, pushing, grabbing, shoving, slapping, and hitting) in the absence of more severe child maltreatment (ie, physical abuse, sexual abuse, emotional abuse, physical neglect, emotional neglect, and exposure to intimate partner violence) and several physical health conditions. METHODS: Data were from the National Epidemiologic Survey on Alcohol and Related Conditions collected in 2004 and 2005 (n = 34,226 in the current analysis). The survey was conducted with a representative US adult population sample (20 years or older). Eight past year physical health condition categories were assessed. Models were adjusted for sociodemographic variables, family history of dysfunction, and Axis I and II mental disorders. RESULTS: Harsh physical punishment was associated with higher odds of cardiovascular disease (borderline significance), arthritis, and obesity after adjusting for sociodemographic variables, family history of dysfunction, and Axis I and II mental disorders (adjusted odds ratios ranged from 1.20 to 1.30). CONCLUSIONS: Harsh physical punishment in the absence of child maltreatment is associated with some physical health conditions in a general population sample. These findings inform the ongoing debate around the use of physical punishment and provide evidence that harsh physical punishment independent of child maltreatment is associated with a higher likelihood of physical health conditions.
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 | 0,000 | 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 | 0,001 |
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 ».