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 OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,064
Score d'incertitude au seuil0,497

Scores Codex et Gemma par catégorie

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

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