The Relationship Between Non-Consensual Sex and Risk of Depression in Female Undergraduates at Universities in Maritime Canada
Notice bibliographique
Résumé
Sexual victimization and depression are common on university campuses, especially among females. Both are associated with negative health outcomes and efforts are made to minimize these as much as possible on university campuses. The current study examines the prevalence of, and independent association between, non-consensual sex and current risk of depression after controlling for related factors. The primary study question is as follows: Are female undergraduate students who have been sexually victimized while attending university at an increased risk of depression compared with those who have not been victimized? Cross-sectional data collected online from female students below the age of 30 at eight universities in Maritime Canada were analyzed. Non-consensual sex while at university was measured using one dichotomous item and current risk of depression was measured using the validated Center for Epidemiologic Studies Depression (CES-D) Scale. All analyses were weighted and data were imputed using the sequential regression multiple imputation (SRMI) method. Analyses involved basic descriptive statistics, a series of unadjusted logistic regressions, and an adjusted multiple logistic regression. A total of 36.7% of female undergraduate students were found to be at risk of depression and 6.8% have been victim of non-consensual sex while attending university. After adjusting for covariates, females who were victimized were 2.11 times more likely to be at risk of depression than females who were not victimized ( p < .0001). This study points to the possible unmet need for more mental health support for victims of sexual victimization and more efforts to prevent sexual violence on Canadian campuses. These findings can help to inform university mental health services such as mental health support for victims of sexual assault and can also be used to inform prevention and health promotion activities.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».