Differential Profiles of Sexually Abused Adolescent Boys
Notice bibliographique
Résumé
Victims of child sexual abuse (CSA) are a heterogeneous population. Several characteristics may influence the outcomes associated with this adverse childhood experience, including personal (e.g. age) and CSA characteristics (e.g. relationship to the perpetrator). This study relied on a person-centered approach to account for this heterogeneity and focused on adolescent boys, an understudied population. Data were drawn from a representative sample of high school students aged 14 to 18 years old in Quebec, Canada. A total of 3.9% (n = 138) of boys reported CSA. Various CSA characteristics (severity, relationship to the perpetrator, and number of events) were used as indicators to derive classes. A four-class solution emerged from the latent class analysis: CSA in a sports context (6%), intrafamilial CSA (8%), extrafamilial CSA (52%) and multiple CSA (34%). The multiple CSA profile included boys who were sexually abused in multiple situations by different perpetrators and who were victims of acts involving penetration. The exploration of correlates associated with class membership revealed that adolescent boys included in the multiple CSA profile were distinguished by higher rates of delinquent behaviors and alcohol and drug use. They were more likely than members of other latent classes to belong to sexual minorities. This exploratory study sheds light on sexually victimized adolescent boys and the deleterious consequences that may affect them, particularly boys who have experienced multiple CSA events. We conclude that prevention efforts should focus on the demystification of sexual trauma among boys and on using trauma-informed care approaches for adolescent externalizing behaviors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».