Prevalence and Correlates of Sexting Behaviors in a Provincially Representative Sample of Adolescents
Notice bibliographique
Résumé
OBJECTIVES: To examine the prevalence and correlates of sending and receiving sexts (i.e., sexually explicit images) in a provincially representative sample of adolescents in Canada. METHODS: Data from the 2014 Ontario Child Health Study, a provincial survey of households with children in Ontario, which includes a sample of 2,537 adolescents aged 14 to 17 years (mean age = 15.42, male = 51.6%) were used to address the research objectives. RESULTS: The past 12 months prevalence of sending and receiving sexts was 14.4% and 27.0%, respectively. In unadjusted logistic regression analyses, non-White adolescents and those living in low-income households were less likely to send or receive sexts compared to White and non-low-income adolescents. Adolescents who disclosed their sexual and/or gender minority identities were 3 to 4 times more likely to send and receive sexts than youth who had not disclosed these identities. Higher levels of mental health problems generally observed among adolescents who sent or received sexts. In fully adjusted models, low income and ethnic minority status were associated with reduced odds of sending and receiving sexts, while sexual and/or gender minority disclosure status was associated with increased odds. Social anxiety was associated with reduced odds of sending and receiving sexts, while conduct disorder was associated with elevated odds. CONCLUSION: The prevalence of sexting behavior was higher among adolescents who disclosed their sexual or gender minority identities. Sexting behaviors were associated with higher levels of mental health problems. Identifying vulnerable populations and the potential mental health ramifications associated with sexting behavior is vital to mitigating negative sequelae.
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) | 0,000 | 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 | 0,000 | 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 ».