A person-centered approach to studying associations between psychosocial vulnerability factors and adolescent depressive symptoms and suicidal ideation in a Canadian longitudinal sample
Notice bibliographique
Résumé
This study used a person-centered approach to identify subgroups of adolescents who are at risk for depression and suicidal ideation. Latent class analysis was first applied to 1,290 adolescents from a Canadian cohort study in order to identify latent vulnerability subtypes based on 18 psychosocial vulnerability factors. Logistic regression analyses were conducted to study the associations between class membership and depressive symptoms and suicidal ideation 2 years later. The moderating role of sex in the associations between latent classes and depressive symptoms was explored. Five latent classes were identified: Low Vulnerability (42%), Substance Use Only (13%), Moderate Vulnerability (28%), Conduct Problems (8%) and High Vulnerability (9%). Compared with the Low Vulnerability class, the probabilities of presenting depressive symptoms were higher for the Substance Use Only class, OR = 1.93, 95% CI [1.21, 3.06], the Moderate Vulnerability class, OR = 2.96, 95% CI [2.09, 4.20], the Conduct Problems class, OR = 3.03, 95% CI [1.84, 4.98], and the High Vulnerability class, OR = 5.4, 95% CI [3.42, 8.53]. Furthermore, interaction effects with sex were identified in relation to depressive symptoms only. The probability of presenting suicidal ideation was higher only for the High Vulnerability class, OR = 4.51, 95% CI [2.41, 8.43]. This study highlights the importance of a person-centered perspective that considers both vulnerability subtypes and sex because these associations are complex rather than linear or additive.
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 | 0,000 | 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 ».