Stressful Experiences in University Predict Non-suicidal Self-Injury Through Emotional Reactivity
Notice bibliographique
Résumé
Theoretical perspectives on non-suicidal self-injury (NSSI; direct and deliberate self-injury without lethal intent such as self-cutting or hitting) have long underscored the affective regulating properties of NSSI. Less attention has been given to the processes through which individuals choose to engage in NSSI, specifically, to regulate their distress. In the present study, we tested one theoretical model in which recent stressful experiences facilitates NSSI through emotional reactivity. Further, we tested whether the indirect link between stressful experiences and NSSI was moderated by several NSSI specific risk factors (e.g., having friends who engage in NSSI). Given the widespread prevalence of NSSI among community-based samples of adolescents and emerging adults, we surveyed 1,125 emerging adults in first-year university at a large academic institution (72% female, M age = 17.96, 25% with a recent history of NSSI at Time 1). Participants completed an online survey three times (assessments were 4 months apart), reporting on their recent stressful experiences in university, emotional reactivity, NSSI, as well as three NSSI specific risk factors (i.e., close friend engagement in NSSI, high self-disgust, and low fear of pain). As expected, path analysis revealed that there was a significant indirect effect of recent stressful experiences on NSSI engagement, through emotional reactivity. However, this effect was maintained across moderator analyses. These novel findings underscore the salient role of proximally occurring stressors in the prediction of NSSI among emerging adults in university, and can inform developing theoretical perspectives on NSSI.
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 | 0,001 |
| 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 | 0,001 |
| 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 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 ».