Using Latent Class Analysis to Identify Health Lifestyle Profiles and Their Association with Suicidality among Adolescents in Benin
Notice bibliographique
Résumé
Youth suicidality is considerably prevalent in low- and middle-income countries, including Benin. Factors such as psychosocial distress, socio-environmental factors, and health risk behaviors are associated with suicidality. However, little is known about how these factors co-occur in these countries. An analysis of these factors taken together would help to identify the profiles most at risk and better target prevention policies. Our study aimed to identify profiles related to these factors and their association with suicidality among adolescents in Benin. Data from the 2016 Global School-Based Student Health Survey were used, and factors related to lifestyle (tobacco and alcohol consumption and physical activity), physical violence, parental support, and psychological distress were studied. Latent class analysis was used to identify the profiles, and a modified Poisson regression with generalized estimating equations, adjusted for sociodemographic characteristics, was performed to assess the association between these profiles and suicidality. The survey results show that globally, 13.8% of the adolescents (n = 2536) aged 11 to 18 had thought about suicide, 15.6% had planned suicide, and 15.6% had attempted suicide. Four profiles were identified: a low-risk group, one with psychological distress problems, a group with violence problems, and one with alcohol, tobacco, and violence problems. The risk of suicidality, in terms of ideation, planning, or attempting, was higher for adolescents in Profiles 2, 3, and 4 than those in Profile 1 (p < 0.05). Adolescents in Profile 2 were particularly affected by this increased risk (prevalence ratio (PR) for ideation = 1.13, 95% CI = 1.03–1.23; PR for planning = 1.12, 95% CI = 1.04–1.22; PR for attempting = 1.09, 95% CI = 1.01–1.17). This study highlights the typical profiles that may be linked with suicidality among adolescents in Benin. A holistic consideration of these factors could help in planning better preventive measures to reduce suicidality among adolescents in Benin.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».