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 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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».