Prevalence of adverse childhood experiences among individuals aged 45 to 85 years: a cross-sectional analysis of the Canadian Longitudinal Study on Aging
Notice bibliographique
Résumé
BACKGROUND: Population-level prevalence estimates for a broad range of adverse childhood experiences (ACEs), which are known to affect health across the lifespan, are currently unavailable in Canada. The purpose of this study was to estimate the prevalence of individual ACEs by sociodemographic factors among middle-aged and older adults. METHODS: Data for this cross-sectional analysis were obtained from the first follow-up (2015-2018) of the Canadian Longitudinal Study on Aging (baseline recruitment from 2011 to 2015). Participants included individuals aged 45-85 years and residing in the community in the 10 Canadian provinces. Exposure to ACEs was assessed using a retrospective, self-report questionnaire. Logistic regression was used to obtain the adjusted prevalence estimates of ACEs within groups formed by the sociodemographic characteristics and each variable was adjusted for all other sociodemographic variables. RESULTS: Of the 44 817 participants in the first follow-up, 61.6% (weighted) reported exposure to at least 1 ACE. Exposure to physical abuse (weighted prevalence of 25.7%), intimate partner violence (22.4%) and emotional abuse (21.8%) were the most prevalent types of ACEs. Individuals younger than 65 years (born in 1950-1969), with no postsecondary education or education below a bachelor's degree, or with annual household income less than $20 000 reported greater exposure to ACEs. Reporting for many ACEs was higher among women and those of nonheterosexual orientation. Overall, British Columbia, Alberta, Manitoba, Ontario and Quebec reported relatively higher prevalence for several examined categories of ACEs. INTERPRETATION: Adverse childhood experiences were highly prevalent across all demographic groups with substantial heterogeneity in the distribution among the middle and older age population. The high prevalence of ACEs and their potential negative consequences on health and well-being emphasize the need to develop and promote trauma-informed care to assist individuals affected by ACEs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».