MétaCan
Menu
← Retour à la cohorte
Enregistrement W3178813096

Typologies of child maltreatment and peer bullying victimization, and their associations with adolescent substance use: a latent class analysis

2021· dissertation· en· W3178813096 sur OpenAlexfundaboutno aff
Samantha Salmon

Notice bibliographique

RevueMspace (University of Manitoba) · 2021
Typedissertation
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesResearch Manitoba
Mots-clésLatent class modelPeer victimizationSubstance usePsychologyClass (philosophy)Developmental psychologyClinical psychologyMedicineHuman factors and ergonomicsPoison controlEnvironmental healthComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Every child has the right to live free from violence, yet many children worldwide are victimized in their home and among their peers. Child maltreatment and peer bullying are pervasive problems with serious and lifelong health, educational, and social consequences. Child maltreatment and peer bullying are also associated with substance use in adolescence, which may be used as a maladaptive strategy for coping with adversity. Substance use can be especially harmful during adolescence and may lead to substance use disorders. The purpose of this research was to improve understanding of 1) the patterns and typologies of multiple child maltreatment and peer bullying experiences among adolescents and 2) how the identified victimization typologies are associated with adolescent substance use. The current study used secondary data analysis of the 2014 Ontario Child Health Study. Latent class analysis with a correction procedure for misclassification was conducted to first identify typologies of six types of self-reported child maltreatment and five types of self-reported peer bullying victimization among adolescents aged 14 to 17 years (n = 2,910), and subsequently examine the associations between the identified typologies and self-reported adolescent substance use. For comparison, cumulative victimization exposure was also assessed using logistic regression. All models were first examined unadjusted and then adjusting for parent-reported substance use and sociodemographic characteristics. Findings from this research provide novel information about typologies of childhood victimization and the associations of these typologies with adolescent substance use. Four victimization typologies were identified: Low victimization (76.6%), Violent Home Environment (16.0%), High Verbal/Social Peer Bullying (5.3%), and High Polyvictimization (2.1%). Findings demonstrate that child maltreatment and peer bullying victimization experiences are interrelated and that their co-occurrence is common in the population. Polyvictimization exposure was found to be associated with increased odds of adolescent substance use (adjusted odds ratio range = 2.06 to 3.61). These findings have important implications to help adolescents exposed to polyvictimization. Implementation of trauma- and violence-informed care systems across all child- and adolescent-serving settings, including health, education, justice, and social services sectors, may be a necessary standard of care to protect children’s rights. Public health education on positive parenting practices along with legislated prohibition of corporal punishment is needed as an upstream strategy to prevent violence against children, which may also contribute to reductions in adolescent substance use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,184

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,002
Communication savante0,0040,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,224
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMspace (University of Manitoba)→Même sujetChild Abuse and Trauma→Travaux en français237 207→