MétaCan
Menu
Retour à la cohorte
Enregistrement W3044699801 · doi:10.1177/1557988320937124

Impact of Negative Life Events and Social Support on Nonsuicidal Self-Injury Among Chinese Middle School Students

2020· article· en· W3044699801 sur OpenAlexaff
Moye Xin, Xueyan Yang, Kun Liu, Bilun Naz Böke, Laurianne Bastien

Notice bibliographique

RevueAmerican Journal of Men s Health · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSuicide and Self-Harm Studies
Établissements canadiensMcGill University
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesMinistry of Education of the People's Republic of China
Mots-clésModerationPsychologySocial supportSuicide preventionChinaInjury preventionPoison controlClinical psychologyHuman factors and ergonomicsDemographyMedicineSocial psychologyEnvironmental healthGeography

Résumé

récupéré en direct d'OpenAlex

The field of nonsuicidal self-injury (NSSI) is dominated by research conducted with Caucasian majority samples in Western countries such as North America and Europe. Far less NSSI-related research is conducted in non-Western cultures, even though NSSI behavior is a growing issue in China where studies have found that NSSI among youth occurs at a higher prevalence and has an earlier onset as compared to Western studies. Based on the data collected from middle school students in Xi’an, China, this article tries to figure out the predictive factors that are related to adolescents’ NSSI using gender analysis, specially negative life events and social support, and the following conclusions are drawn: (a) There is no significant gender difference in the prevalence of NSSI of middle school students. (b) Negative life events are the risk factors of middle school students’ NSSI engagement. Individuals with higher scores of negative life events are more likely to have NSSI. (c) Social support is a protective factor of middle school students’ NSSI, which has main effect and also as a moderator to NSSI, individuals received more social support are less likely to engage in NSSI.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,714

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,394
Écart entre enseignants0,363 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Men s HealthMême sujetSuicide and Self-Harm StudiesTravaux en français237 207