A Life Course Study on Traumatic Brain Injury and Physical and Emotional Trauma in Foster Children
Notice bibliographique
Résumé
Foster children are exposed to high levels of abuse, violence, and other adverse events throughout their childhood and adolescent years. Forms of brain injury, notably traumatic brain injury (TBI), are understudied in the foster child population. This study aimed to explore different forms of brain injury and their cognitive, behavioral, and psychological/emotional effects on current and former foster children using a life course perspective. A thematic analysis with a life course perspective was used to examine semi-structured, open-ended interviews conducted with current and previous foster children between the ages of 16 and 29 years. The study included 47 participants: 25 males (53%) and 22 females (47%) with an average age of 21 years and an average of 11.2 years of education. Of 47 current and previous foster children between the ages of 16 and 29, two-thirds had sustained one or more TBIs. Through a thematic analysis, four overarching and inter-related themes emerged from the data: frequent TBI, normalization (of abuse, violence, injury, and neglect), emotional trauma, and dangerous coping methods such as alcohol use in 94% and recreational drug use in 81%. Normalization of adverse events, emotional trauma, and the use of dangerous coping methods occurred in 66%, 81%, and 49% of participants, respectively, and are the cumulative toxic long-term effects of early negative life experiences and repeated forms of brain injury. Early and continued exposure to TBI, abuse, violence, and/or neglect with continued maladaptive behaviors suggests that the participants may have experienced changes in brain structure and function over their lives that provided the milieu for continued vulnerability to personal and future injury to future generations. These behavioral and perceptual changes point to a toxic combination of injuries that result in continued vulnerability to repeated injury through contextual exposure to risks and maladaptive normalization, emotional trauma, and risky coping styles.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».