Latent Classes of Adverse and Benevolent Childhood Experiences in a Multinational Sample of Parents and Their Relation to Parent, Child, and Family Functioning during the COVID-19 Pandemic
Notice bibliographique
Résumé
Adverse Childhood Experiences (ACEs) are known to contribute to later mental health. Conversely, Benevolent Childhood Experiences (BCEs) may buffer against mental health difficulties. The importance of ACEs and BCEs for mental health of both parents and children may be most obvious during periods of stress, with potential consequences for functioning of the family. Subgroups of ACEs and BCEs in parents during the COVID-19 pandemic were investigated and validated in relation to indices of parent, child, and family well-being. In May 2020, ACEs/BCEs were assessed in 547 parents of 5-18-year-old children from the U.K., U.S., Canada, and Australia. Subgroups of parents with varying levels of ACEs and BCEs were identified via latent class analysis. The subgroups were validated by examining associations between class membership and indices of parent and child mental health and family well-being. Four latent classes were identified: low-ACEs/high-BCEs, moderate-ACEs/high-BCEs, moderate-ACEs/low-BCEs, and high-ACEs/moderate-BCEs. Regardless of the extent of BCEs, there was an increased risk of parent and child mental health difficulties and family dysfunction among those reporting moderate-to-high levels of ACEs. Parents' history of adversity may influence the mental health of their family. These findings highlight the importance of public health interventions for preventing early-life adversity.
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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».