Resilience Portfolios and Poly-Strengths: Identifying Strengths Associated with Wellbeing after Adversity
Notice bibliographique
Résumé
Objectives: This study aimed to describe the prevalence of traumas and strengths in a representative sample of Quebec youth and to test whether poly-strengths were associated with low psychological distress, after controlling for poly-traumas. Method: Using data from the Quebec Youths’ Romantic Relationships survey (QYRRS), hierarchical logistic regressions were conducted to examine the relationship between poly-strengths and low levels of psychological distress, and to identify which strengths were associated with outcomes, after accounting for demographic variables and individuals’ experiences of traumas. Results: More than a third of the sample experienced 4 traumas or more (37.0%). The average number of experienced traumas was 3.04 out of 10 measured traumas. More than half of the sample had at least 5 strengths, the average number of strengths being 3.95 (out of 8). Two third (67.6%) of the sample did not suffer from psychological distress. Among poly-victims, half of the participants (49.6%) showed clinical symptoms of distress. Poly-strengths were uniquely associated with low of clinical distress. After accounting for demographics and poly-traumas, poly-strengths explained 24.2% of the variance of low levels of psychological distress. Self-esteem, optimism, parental support and attachment, number of sources of support, social support (seeking secure base), and capacity to adapt (resiliency) were uniquely associated with low levels of distress. Conclusion and Implications: The combination of strengths decreases the likelihood of experiencing clinical levels of psychological distress, which can contribute to healthy functioning in context of adversities. Findings highlight the importance of promoting multiple and diverse strengths among youth.
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 | 0,001 |
| 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 ».