Cumulative Lifetime Violence, Gender, Social Determinants of Health and Mental Health in Canadian Men: A Latent Class Analysis
Notice bibliographique
Résumé
Purpose: Among men, violence is pervasive and associated with poor mental health, but little is known about which men are most vulnerable. Our purpose is to address this gap by exploring mental health and social determinants of health (SDOH) including gender role conflict (GRC) in heterogenous groups of men with distinct patterns of cumulative lifetime violence (CLV) as target and perpetrator. Methods: Latent class analysis was conducted using means of 64 indicators of CLV severity collected from a community sample of 685 eastern Canadian men, ages 19 to 65 years. Class differences by SDOH, and depression, anxiety, and posttraumatic stress disorder (PTSD) were explored with Chi-square and analysis of variance. Results: A 4-class solution was optimal. Class 1 had the lowest CLV severity; were more likely to be better educated, employed, and have little difficulty living on their incomes; and had better mental health than other classes. Class 2, characterized by moderate psychological violence as both target and perpetrator, had mean depression and PTSD scores at clinical levels, and more difficulty living on income than Class 1. Classes 3 and 4 were typified by high severity CLV as target but differentiated by Class 4 having the highest perpetration severity, higher GRC, and being older. In both classes, mean mental health scores were above cut-offs for clinical symptomology and higher than Classes 1 and 2. Conclusion: This is the first evidence that distinct patterns of CLV severity among men intersect with GRC and SDOH and are uniquely associated with mental health.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».