The impact of child maltreatment on mental health and substance use trajectories among adolescents
Notice bibliographique
Résumé
AIM: There is robust evidence that child maltreatment is a significant risk factor and linked to negative psychological outcomes. However, few studies have examined the impact of child maltreatment on mental health and substance use trajectories across adolescence. METHODS: = 12.73, SD = 0.67, 49.7% female, 57.6% Caucasian/White). Multivariate multinomial logistic regressions were conducted to examine whether youth with maltreatment histories differed in their internalizing, externalizing, and substance use problems trajectories (based on previous studies) than youth without maltreatment histories. Moderation analyses using multinomial logistic regression were also conducted to examine perceived family support and school connectedness as protective factors against the impact of maltreatment. RESULTS: Youth who experienced maltreatment were more likely to display more severe internalizing, externalizing, and substance use problem trajectories than youth without such histories. While not significant as moderators, perceived family support and school connectedness were significantly associated with each of the trajectories, with lower levels of perceived family support and school connectedness linked to more severe problem trajectories. CONCLUSIONS: Results highlight the ongoing and significant harmful impact of maltreatment among youth. Results also support further prevention and intervention efforts for child maltreatment, particularly at the family and school level.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».