Protective Factors against Self-Harm and Suicidality among Australian Indigenous Adolescents: A Strengths-Based Analysis of the Longitudinal Study of Indigenous Children
Notice bibliographique
Résumé
Background: Understanding and encouraging social and emotional well-being (SEWB) among Indigenous adolescents is vital in countering the impacts of colonisation and intergenerational trauma. As self-harm and suicidality are considered markers of poor SEWB among Indigenous communities, we aimed to identify the individual-level and community-level factors protecting Indigenous adolescents from self-harm and suicidality. Methods: Data came from Footprints in Time—The Longitudinal Study of Indigenous Children (waves 10 and 11), conducted among Indigenous families across Australia. A strengths-based analysis fitted multilevel logistic regression to explore associations with factors proposed as protective against self-reported self-harm and suicidality among Indigenous adolescents. Results: Our study cohort included 365 adolescents with complete data for the variables of interest. Adolescents had a mean (SD) age of 14.04 (0.45) years and a sex ratio of almost 1:1, and most were attending school (96.2%). Previous self-harm was reported by 8.2% (n = 30); previous suicidality was reported by 4.1% (n = 15). Individual-level factors protecting against self-harm and suicidality were being male, living in a cohesive family, and having low total Strengths and Difficulty Questionnaire scores (p < 0.05 for all). Residing in major cities compared with regional/remote areas was protective against self-harm (OR 5.94, 95% CI 1.31−26.81). Strong cultural identity was not found to be a protective factor against self-harm and/or suicidality in the sample. Conclusions: This study identified key individual- and community-level factors that can protect Australian Indigenous adolescents against self-harm and suicidality, particularly family cohesion. Identifying strengths for this at-risk population can inform prevention strategies, particularly for rural living adolescents with high distress.
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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».