MétaCan
Menu
Retour à la cohorte
Enregistrement W3183523400 · doi:10.1177/08901171211034105

Evaluating Risk and Protective Factors for Suicidality and Self-Harm in Australian Adolescents With Traditional Bullying and Cyberbullying Victimizations

2021· article· en· W3183523400 sur OpenAlexaff
Md Irteja Islam, Fakir Md Yunus, Enamul Kabir, Rasheda Khanam

Notice bibliographique

RevueAmerican Journal of Health Promotion · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPsychiatryMental healthPoison controlPsychologyVictimisationClinical psychologyPopulationSuicide preventionInjury preventionSuicidal ideationMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To identify and compare important risk and protective factors associated with suicidality and self-harm among traditional bullying and cyberbullying victims aged 14-17-years in Australia. DESIGN: Cross-sectional population-based study. SETTING: Young Minds Matter, a nationwide survey in Australia. SUBJECTS: Adolescents aged 14-17-years (n = 2125). MEASURES: Suicidality and self-harm were outcome variables, and explanatory variables included sociodemographic factors (age, gender, country of birth, household income, location, family type), risk factors (parental distress, family functioning, family history of substance use, child substance use, mental disorder, psychosis, eating disorders, sexual activity) and protective factors (high self-esteem, positive mental health or resilience, school connectedness, sleep) among 2 types of bullying victims-traditional and cyber. Traditional bullying includes physical (hit, kick, push) or verbal (tease, rumors, threat, ignorance), and cyberbullying includes teasing messages/pictures via email, social medial using the internet and/or mobile phones. ANALYSIS: Bivariate analysis and binary logistic regression models. Statistical metrics include Hosmer-Lemeshow Goodness-of-Fit-test, VIF test, Linktest and ROC curve for model performance and fitness. RESULTS: Overall, 25.6% of adolescents were traditional bullying victims and 12% were cyberbullying victims. The percentages of suicidality (34.4% vs 21.6%) and self-harm (32.8% vs 22.3%) were higher in cyberbullying victims than in traditional bullying victims. Girls were more often bullied and likely to experience suicidal and self-harming behavior than boys. Parental distress, mental disorder and psychosis were found to be significantly associated with the increase risk for self-harm and suicidality among both bullying victims (p < 0.05). While, eating disorder and sexual activity increased the risk of suicidality in traditional bullying victims and self-harm in cyberbullying victims, respectively. Positive mental health/resilience and adequate sleep were found be significantly associated with decreased suicidality and self-harm in both bullying victims. CONCLUSION: Suicidality and self-harm were common in bullying victims. The findings highlight that the risk and protective factors associated with suicidality and self-harm among adolescent who experienced traditional and cyberbullying victimization should be considered for the promotion of effective self-harm and suicide prevention and intervention programs.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,080
Tête enseignante GPT0,383
Écart entre enseignants0,304 · 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

Citations49
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Health PromotionMême sujetBullying, Victimization, and AggressionTravaux en français237 207