Mechanisms accounting for gendered differences in mental health status among young Canadians: A novel quantitative analysis
Notice bibliographique
Résumé
Adolescent girls consistently report worse mental health than boys. This study used reports from a 2018 national health promotion survey (n = 11,373) to quantitatively explore why such gender-based differences exist among young Canadians. Using mediation analyses and contemporary social theory, we explored mechanisms that may explain differences in mental health between adolescents who identify as boys versus girls. The potential mediators tested were social supports within family and friends, engagement in addictive social media use, and overt risk-taking. Analyses were performed with the full sample and in specific high-risk groups, such as adolescents who report lower family affluence. Higher levels of addictive social media use and lower perceived levels of family support among girls mediated a significant proportion of the difference between boys and girls for each of the three mental health outcomes (depressive symptoms, frequent health complaints, and diagnosis of mental illness). Observed mediation effects were similar in high-risk subgroups; however, among those with low affluence, effects of family support were somewhat more pronounced. Study findings point to deeper, root causes of gender-based mental health inequalities that emerge during childhood. Interventions designed to reduce girls' addictive social media use or increase their perceived family support, to be more in line with their male peers, could help to reduce differences in mental health between boys and girls. Contemporary focus on social media use and social supports among girls, especially those with low affluence, warrant study as the basis for public health and clinical interventions.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».