Confirmatory factor analysis of adverse childhood experiences (ACEs) among a community-based sample of parents and adolescents
Notice bibliographique
Résumé
BACKGROUND: Despite increased understanding of Adverse Childhood Experiences (ACEs), very little advancement has been made in how ACEs are defined and conceptualized. The current objectives were to determine: 1) how well a theoretically-derived ACEs model fit the data, and 2) the association of all ACEs and the ACEs factors with poor self-rated mental and physical health. METHODS: Data were obtained from the Well-Being and Experiences Study, survey data of adolescents aged 14 to 17 years (n = 1002) and their parents (n = 1000) in Manitoba, Canada collected from 2017 to 2018. Statistical methods included confirmatory factor analysis (CFA) and logistic regression models. RESULTS: The study findings indicated a two-factor solution for both the adolescent and parent sample as follows: a) child maltreatment and peer victimization and b) household challenges factors, provided the best fit to the data. All original and expanded ACEs loaded on one of these two factors and all individual ACEs were associated with either poor self-rated mental health, physical health or both in unadjusted models and with the majority of findings remaining statistically significant in adjusted models (Adjusted Odds Ratios ranged from 1.16-3.25 among parents and 1.12-8.02 among adolescents). Additionally, both factors were associated with poor mental and physical health. CONCLUSIONS: Findings confirm a two-factor structure (i.e., 1) child maltreatment and peer victimization and 2) household challenges) and indicate that the ACEs list should include original ACEs (i.e., physical abuse, sexual abuse, emotional abuse, emotional neglect, physical neglect, exposure to intimate partner violence (IPV), household substance use, household mental health problems, parental separation or divorce, parental problems with police) and expanded ACEs (i.e., spanking, peer victimization, household gambling problems, foster care placement or child protective organization (CPO) contact, poverty, and neighborhood safety).
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».