The co-occurrence of adverse childhood experiences and mental health among Latina/o adults: A latent class analysis approach
Notice bibliographique
Résumé
Adverse childhood experiences (ACEs) have been linked to poor mental health among Latina/os. Few studies, however, have attempted to understand the extent to which ACEs co-occur and whether different forms of ACE co-occurrence differentially shape poor mental health patterns among Latina/os. The present study begins to address this gap by (1) identifying latent classes of ACEs and (2) determining whether and how different ACE classes shape high depressive symptoms among Latina/o adults. Data were drawn from two waves of the Hispanic Community Health Study/Study of Latinos, a longitudinal, community-based sample of Latina/os living in four urban communities. Latent Class Analysis (LCA) was used to identify subgroups of Latina/os who were exposed to co-occurring forms of maltreatment. Results from the LCA revealed four classes: (1) high ACEs, (2) emotional and physical abuse, (3) low ACEs, and (4) household alcohol/drug use and parental separation/divorce. Regression analyses indicate, when compared to the low ACEs class, Latina/os in the high ACEs class and emotional/physical abuse class were more likely to report high depressive symptoms. Findings from this study demonstrate ACEs co-occur in distinct classes of maltreatment and different combinations of ACEs uniquely shape the risk of poor mental health among Latina/os. Results from this study can help inform tailored mental health interventions for Latina/os that have a history of ACE exposure.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».