The association between chronic bullying victimization with weight status and body self-image: a cross-national study in 39 countries
Notice bibliographique
Résumé
Background Childhood obesity and school bullying are pervasive public health issues and known to co-occur in adolescents. However, the association between underweight or thinness and chronic bullying victimization is unclear. The current study examined whether chronic bullying victimization is associated with weight status and body self-image. Methods A school-based, cross-sectional study in 39 North American and European countries and regions was conducted. A total of 213,595 adolescents aged 11, 13, and 15 years were surveyed in 2009/10. Chronic bullying victimization was identified using the Revised Olweus Bully/Victim Questionnaire. Weight status was determined using self-reported height and weight and the body mass index (BMI), and body self-image was based on perceived weight. We tested associations between underweight and bullying victimization using three-level logistic regression models. Results Of the 213,595 adolescents investigated, 11.28% adolescents reported chronic bullying victimization, 14.80% were classified as overweight/obese according to age- and sex-specific BMI criteria, 12.97% were underweight, and 28.36% considered themselves a little bit fat or too fat, 14.57% were too thin. Bullying victimization was less common in older adolescent boys and girls. Weight status was associated with chronic bullying victimization (adjusted OR underweight = 1.10, 95% CI = 1.05–1.16, p = 0.002; adjusted OR overweight = 1.40, 95% CI = 1.32–1.49, p < 0.0001; adjusted OR obese = 1.91, 95% CI = 1.71–2.14, p < 0.0001). Body self-image also related to chronic bullying victimization (adjusted OR too thin = 1.42, 95% CI = 1.36–1.49, p < 0.0001; adjusted OR a little bit fat = 1.54, 95% CI = 1.48–1.61, p < 0.0001; adjusted OR too fat = 3.30, 95% CI = 2.96–3.68, p < 0.0001). Conclusion Both perceived weight and self-rated overweight are associated with chronic bullying victimization. Both overweight and underweight children are at risk of being chronically bullied.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».