Self‐injury motives: A person‐centered examination
Notice bibliographique
Résumé
INTRODUCTION: People report multiple motives for nonsuicidal self-injury (NSSI), but few studies have examined how these motives relate to one another. This study identified person-centered classes of NSSI motives, their NSSI and psychopathological correlates, and their utility in predicting future NSSI across two samples. METHODS: Participants were adolescents and young adults (aged 15-35) with recent NSSI recruited from online forums (n = 155, Sample 1) or the community (n = 127, Sample 2). Participants completed measures of NSSI, emotion regulation difficulties, borderline personality disorder (BPD), depression, and reported on their NSSI over 12 months. RESULTS: Latent profile analyses yielded five classes in each sample: low interpersonal, self-punishment/interpersonal, moderate intra/interpersonal, high intra/interpersonal, and mainly interpersonal motives. Classes were not associated with lifetime NSSI characteristics, but highly motivated participants reported more severe depression and BPD symptoms, and greater emotion dysregulation than low-motivated participants. Those in the mainly interpersonal (Sample 1) and self-punishment/interpersonal (Sample 2) motives classes reported greater NSSI frequency during follow-up. CONCLUSIONS: This study identified five classes of NSSI motives. Participants who report multiple motives for NSSI may be more clinically severe, whereas those who report strong desires to communicate with others or punish themselves may be at the highest risk for more frequent NSSI over time.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».