Childhood Traumatic Experiences and Negative Alcohol-Related Consequences in Adulthood: A Cross-Cultural Examination of Distress Tolerance and Drinking to Cope
Notice bibliographique
Résumé
Background: Prior research has established that Adverse Childhood Experiences (ACEs) predict harmful alcohol use outcomes. However, underlying mechanisms that could explain these associations are less clear. The present study examined if ACEs are indirectly related to alcohol negative consequences through their associations with distress tolerance and drinking to cope. Method: A sample of 3,763 (71.9% female) college students who drink alcohol from seven countries (U.S., Argentina, Canada, Uruguay, Spain, South Africa, and England) completed online surveys. Path analysis was performed within the whole sample testing the serial unique associations between ACEs→distress tolerance→drinking to cope→negative alcohol-related consequences. Multi-group analysis was performed to determine if the proposed pathways were invariant across gender and countries. Results: Both distress tolerance and drinking to cope uniquely accounted for the relationship between ACEs and negative alcohol-related consequences. Additionally, a significant double-mediation effect was found illustrating that a higher endorsement of ACEs was associated with lower distress tolerance, which in turn was associated with higher drinking to cope, which in turn was associated with more negative alcohol-related consequences. These effects were invariant across countries and gender groups. Conclusions: These findings provide support for the relevance of distress tolerance and coping motives as potential factors in linking ACEs to problematic alcohol use across nations. Our data are consistent with the idea that intervening on distress tolerance and drinking motives could mitigate downstream alcohol-related consequences related to ACEs in college student populations around the world.
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 | 0,003 |
| 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) | 0,001 | 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 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 ».