Classifying childhood war trauma exposure: latent profile analyses of Sierra Leone’s former child soldiers
Notice bibliographique
Résumé
BACKGROUND: Former child soldiers are at elevated risk for mental health problems (e.g., traumatic stress, emotion dysregulation, and internalizing and externalizing problems). To examine which groups of former child soldiers are more likely to have difficulties with emotion regulation, interpersonal relationships, and mental health postconflict, we explored patterns of war trauma exposure and their effects on subsequent mental health problems among former child soldiers in Sierra Leone. METHODS: Participants were 415 (23.86% female) Sierra Leonean former child soldiers participating in a 15-year, four-wave longitudinal study. At T1 (2002), 282 former child soldiers (aged 10-17) were recruited. T2 (2004) included 186 participants from T1 and an additional cohort of self-reintegrated former child soldiers (NT2 = 132). T3 (2008) and T4 (2016/2017) participants were youth enrolled in previous waves (NT3 = 315; NT4 = 364). Latent profile analysis (LPA) was used to classify participants based on the first-time reports of eight forms of war exposure (separation and loss of assets, parental loss, loss of loved ones, witnessing violence, victimization, perpetrating violence, noncombat activities, and deprivation). ANOVA examined whether patterns of war exposure were associated with sociodemographic characteristics and mental health outcomes between T1 and T4. RESULTS: LPA identified two profiles: higher exposure versus lower exposure, using cumulative scores of eight forms of war-related trauma exposure. The 'higher war exposure' group comprised 226 (54.5%) former child soldiers and the 'lower war exposure' group included 189 (45.5%). Significantly higher levels of violence-related and combat experiences characterized the group exposed to more traumatic events. The 'higher war exposure' group reported more PTSD symptoms at T2, more hyperarousal symptoms across all waves, and more difficulties in emotion regulation at T4. CONCLUSIONS: Former child soldiers exposed to higher levels of war-related traumatic events and loss should be prioritized for mental health services immediately postconflict and as they transition into adulthood.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».