Adolescent patterns of peer victimization: Concurrent and longitudinal health correlates
Notice bibliographique
Résumé
Abstract Purpose We examined how heterogeneity in the patterns of adolescent experiences of different types and severity of peer victimization is associated with concurrent and longitudinal mental health, substance use, and physical health. Method Data come from a randomly recruited community‐based sample of youth (T1 ages 12–18; N = 662; 52% female) followed biennially across 10 years (T6 ages 22–29; n = 478; 55% female). Results Using latent class analysis, we identified four classes of adolescent peer victimization: Low victimization (63%), Physical victimization only (15%), Relational victimization only (17%), and Poly‐victimization (6%). Youth in the Poly‐victimization class reported the most detrimental health consequences in adolescence (e.g., internalizing and externalizing symptoms, illicit drug use, physical symptoms, poor physical self‐concept, physical activity) and in young adulthood (e.g., depressive symptoms, sleep problems). Youth in the Relational and Physical victimization classes also reported health problems, some of which persisted into young adulthood. Youth in the Low victimization class reported the fewest health concerns. Conclusions Findings add to our understanding of how different types of adolescent victimization are related to mental health, substance use, and physical health problems both within adolescence and long‐term.
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 | 0,002 | 0,005 |
| 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 | 0,000 |
| 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 ».