Unpacking the effects of child maltreatment subtypes on emotional competence in emerging adults.
Notice bibliographique
Résumé
OBJECTIVE: Child maltreatment is often studied as a general category or individually as a subtype, but maltreatment subtypes are rarely studied simultaneously. Despite a breadth of research in the effects of child maltreatment on emotional competence, discrepant findings emerge when child maltreatment subtypes are explored. The present study aims to better understand the differential effects of childhood maltreatment subtypes on facets of emotion regulation and the recognition of specific emotions. METHOD: A sample of 573 emerging adults (87% female) aged 18-25 was recruited to complete an online survey that asked about child maltreatment history, difficulty with emotion regulation, and involved an emotion recognition task. RESULTS: Path analyses indicated that emotional maltreatment had a global effect on the facets of emotion regulation and the recognition of negatively valanced emotions (anger, fear, and sadness). Neglect predicted difficulties with managing impulsive behavior; sexual abuse predicted difficulties engaging in goal-directed behavior. Physical abuse was associated with poorer recognition of fear. Multigroup analysis suggested that patterns did not differ between clinically distressed and nondistressed participants. CONCLUSIONS: These results highlight the importance of including a standard set of child maltreatment subtypes in prediction models of emotional competence to avoid the misattribution or overestimation of the effects of child maltreatment subtype on emotional competence. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 tête enseignante, 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 ».