Predictors of mental health problems in adolescents living with <scp>HIV</scp> in Namibia
Notice bibliographique
Résumé
BACKGROUND: Little research in sub-Saharan Africa has looked at factors that predict mental health problems in adolescents living with HIV (ALHIV). This study examines the psychological impact of HIV in adolescents in Namibia, including risk and protective factors associated with mental health. METHODS: Ninety-nine fully disclosed ALHIV between the ages of 12 and 18 were interviewed at a State Hospital in Windhoek. A structured questionnaire assessed mental health, using the SDQ (Goodman, 1997), sociodemographic factors, poverty, social support, adherence and stigma. RESULTS: Mean age was 14.3 years, 52.5% were female and most were healthy. Twelve percent scored in the clinical range for total mental health difficulties and 22% for emotional symptoms. Poverty was associated with more total mental health difficulties, t(96) = -2.63, p = .010, and more emotional symptoms, t(96) = -3.45, p = .001, whereas better social support was a protective factor, particularly caregiver support (r = -.337, p = .001). Adherence problems, HIV-related stigma and disclosing one's own HIV status to others were also associated with more total mental health difficulties. Poverty (β = -.231, p = .023) and stigma (β = .268, p = .009) were the best predictors for total mental health difficulties, whereas stigma (β = .314, p = .002) predicted emotional symptoms. Social support had a protective effect on peer problems (p = .001, β = -.349). CONCLUSIONS: Several contextual factors associated with poorer mental health in ALHIV are identified.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».