Typologies of child maltreatment and peer victimization and the associations with adolescent substance use: A latent class analysis
Notice bibliographique
Résumé
BACKGROUND: Child maltreatment and peer victimization are pervasive public health problems associated with adolescent substance use. Although child maltreatment has been identified as a risk factor for peer victimization, few studies have investigated their co-occurrence (i.e., polyvictimization). The study objectives were to: examine sex differences in the prevalence of child maltreatment, peer victimization, and substance use; identify polyvictimization patterns; and examine the associations between the identified typologies and adolescent substance use. METHODS: Data were self-reported from a sample of adolescents aged 14 to 17 years (n = 2910) who participated in the provincially-representative 2014 Ontario Child Health Study. Latent class analysis with distal outcomes was conducted to identify typologies of six types of child maltreatment and five types of peer victimization and examine the associations between the polyvictimization typologies and use of cigarettes/cigars, alcohol, cannabis, and prescription drugs. RESULTS: Four typologies were identified: Low victimization (76.6 %), Violent home environment (16.0 %), High verbal/social peer victimization (5.3 %), and High polyvictimization (2.1 %). The Violent home environment and High verbal/social peer victimization typologies were associated with increased odds of adolescent substance use (adjusted odds ratio range: 2.06-3.61). The High polyvictimization typology showed increased, but non-significant, odds of substance use. CONCLUSIONS: Adolescent-serving health and social services professionals should be aware of polyvictimization patterns and the impact on substance use. For some adolescents, polyvictimization may include exposure to multiple child maltreatment and peer victimization types. Upstream strategies to prevent child maltreatment and peer victimization are needed, which may also contribute to reductions in adolescent substance use.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».