MétaCan
Menu
Retour à la cohorte
Enregistrement W3048855660 · doi:10.1016/j.jsxm.2020.07.008

Gender-Related Differences in Associations Between Sexual Abuse and Hypersexuality

2020· article· en· W3048855660 sur OpenAlex
Melissa N. Slavin, Gretchen R. Blycker, Marc N. Potenza, Beáta Bőthe, Zsolt Demetrovics, Shane W. Kraus

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Journal of Sexual Medicine · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueSexuality, Behavior, and Technology
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute on Drug Abuse
Mots-clésHypersexualityPsychologySexual abuseSexual orientationClinical psychologySexual addictionDemographyPoison controlPsychiatryInjury preventionSexual behaviorMedicineSocial psychologyMedical emergency

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Individuals with histories of sexual abuse may be more likely to experience sexual-related problems including hypersexuality, but gender-related differences remain unclear. AIM: This online study examined sexual abuse history and hypersexuality by gender among 16,823 Hungarian adults, adjusting for age, sexual orientation, relationship status, education, employment status, and residence. METHODS: An online questionnaire on one of the largest Hungarian news portals advertised this study examining sexual activities in January 2017. 3 categorizations of age-related sexual abuse were examined: child sexual abuse (CSA) occurring at age 13 and earlier (compared to no abuse), adolescent/adult sexual abuse (AASA; compared to no abuse), and CSA and AASA (CSA/AASA; compared to one age-related category of abuse or the other). OUTCOMES: The outcome variable, hypersexuality, was examined as a continuous variable due to the low prevalence of clinical hypersexuality in this sample. 3 multivariate linear regression analyses adjusting for covariates aimed to predict hypersexuality from each category of abuse, along with gender and its interaction with each category. RESULTS: In all models, younger age, non-heterosexual sexual orientation, male gender, single relationship status, less than full-time work, and living in a capital city were associated with hypersexuality, and education was not a significant predictor. CSA, AASA, and CSA/AASA predicted hypersexuality in both men and women. There was a significant interaction between CSA/AASA and gender, such that the relationship between CSA/AASA and hypersexuality was stronger in men than in women. CLINICAL TRANSLATION: Sexual abuse at each developmental time-point may influence hypersexuality among men and women, although the cumulative impact of CSA and AASA on hypersexuality may be particularly relevant among men. STRENGTHS & LIMITATIONS: This is one of the largest studies to examine gender-related differences in the relationship between sexual abuse and hypersexuality. Nevertheless, our study is cross-sectional, and longitudinal work is needed to determine how sexual abuse affects children, adolescents, and adults throughout their lives. CONCLUSION: Developmental impacts of sexual abuse may be considered in a gender-informed fashion in order to develop and optimize effective prevention and treatment strategies for hypersexuality. Slavin MN, Blycker GR, Potenza MN, et al. Gender-Related Differences in Associations Between Sexual Abuse and Hypersexuality. J Sex Med 2020;17:2029-2038.

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.

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)0,002
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 enseignants0,123
Score d'incertitude au seuil0,506

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,160
Tête enseignante GPT0,375
Écart entre enseignants0,216 · 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