Physical Punishment and Mental Disorders: Results From a Nationally Representative US Sample
Notice bibliographique
Résumé
BACKGROUND: The use of physical punishment is controversial. Few studies have examined the relationship between physical punishment and a wide range of mental disorders in a nationally representative sample. The current research investigated the possible link between harsh physical punishment (ie, pushing, grabbing, shoving, slapping, hitting) in the absence of more severe child maltreatment (ie, physical abuse, sexual abuse, emotional abuse, physical neglect, emotional neglect, exposure to intimate partner violence) and Axis I and II mental disorders. METHODS: Data were from the National Epidemiologic Survey on Alcohol and Related Conditions collected between 2004 and 2005 (N = 34653). The survey was conducted with a representative US adult population sample (aged ≥ 20 years). Statistical methods included logistic regression models and population-attributable fractions. RESULTS: Harsh physical punishment was associated with increased odds of mood disorders, anxiety disorders, alcohol and drug abuse/dependence, and several personality disorders after adjusting for sociodemographic variables and family history of dysfunction (adjusted odds ratio: 1.36-2.46). Approximately 2% to 5% of Axis I disorders and 4% to 7% of Axis II disorders were attributable to harsh physical punishment. CONCLUSIONS: Harsh physical punishment in the absence of child maltreatment is associated with mood disorders, anxiety disorders, substance abuse/dependence, and personality disorders 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 related to mental disorders.
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 | 0,000 |
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 ».