Gender Differences in the Prediction of Acute Stress Disorder From Peritraumatic Dissociation and Distress Among Victims of Violent Crimes
Notice bibliographique
Résumé
Peritraumatic dissociation and distress are strong predictors of acute stress disorder (ASD) and posttraumatic stress disorder (PTSD) development. However, there is limited data concerning gender differences in these relations, particularly among victims of violent crimes (VVC). The objective of this study is to examine whether peritraumatic dissociation and distress predict the number of ASD symptoms differently for men and women VVC. In all, 162 adults (97 women, M age = 39.6 years), 63% of whom experienced physical assaults, completed the Acute Stress Disorder Interview, the Peritraumatic Dissociative Experience Questionnaire, and the Peritraumatic Distress Inventory. Analyses included t tests and multiple hierarchical regressions models controlling for known PTSD risk factors. The regression model showed dissociation and distress to be significant predictors of ASD for both men and women (β = .349 and β =.312 respectively; all p < .001). A significant three-way interaction was also observed between peritraumatic distress (PDI), past potentially traumatic experiences, and gender. In simple slopes analyses, the combination of high levels of PDI and of a high number of past potentially traumatic events were associated with greater risk of ASD in men only ( b = 3.78, p < .001). However, women experienced greater PDI, t(157) = 5.844, p = .005, than men, and elevated distress was associated with more ASD symptoms independently of past traumatic events. Gender differences were revealed as a function of past potentially traumatic experiences. There is a cumulative impact of past potential traumas and current distress that predicts ASD in men, while in women, it contributes to ASD via increased distress.
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 | 0,001 | 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 ».