Mental health Profiles of Sexually Abused Youth: Comorbidity, Resilience and Complex Trauma
Notice bibliographique
Résumé
Objectives: The current study’s objectives were to 1) determine if sexually abused youth in child protective agencies (CPA) were given more psychiatric diagnoses and exhibited more comorbidity than youth from the general population, 2) examine the comorbidity profiles of sexually abused youth over 10 years of medical consultations and hospitalizations. Method: Diagnoses of 882 youth with a substantiated sexual abuse report between 2001 and 2010 at a participating CPA were compared to those of 882 matched controls (n = 1764). Results: Results of generalized linear mixed models showed that sexually abused youth presented higher rates of all diagnostic categories and were up to four times more likely to present comorbid diagnoses. Latent class analyses among abused youth revealed four different comorbidity profiles; two more severe groups named complex trauma (11%) and dissociation (14%); and two less severe groups named depression (10%) and low or no comorbidity/resilience (65%). Youth with more cumulative maltreatment and greater number of years of data following CSA report were more at risk of presenting a comorbidity profile, while females were more likely to present a depression profile. Profiles of youth in the highest comorbidity class were similar to what is defined as complex trauma or complex post-traumatic stress disorder. Implications: Sexually abused youth's varied profiles warrant varied interventions. Integrated trauma informed interventions are needed to address the cumulative maltreatment experienced and the psychiatric comorbidity some youth exhibit.
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 ».