Youth intentions to provide social support to a peer with a concussion
Notice bibliographique
Résumé
Objectives 1) To describe demographic factors, concussion knowledge, attitudes, subjective norms, self-efficacy and intentions to provide social support to a peer with a concussion and 2) to examine if demographic factors and concussion knowledge are associated with components of the Theory of Planned Behavior.Methods The survey was completed between October 2018 and February 2019 by 200 youth (M = 15.30 years, SD = 1.52). Questions were designed for athletes and non-athletes and inquired about various types of social support. Data analysis included descriptive statistics, Wilcoxon Rank Sum Tests and Spearman’s Rank-Order Correlation Coefficients.Results More favorable attitudes and intentions to provide social support were observed among females (W = 2576, p ≤ 0.001; W = 2411, p ≤ 0.001), older youth (rho = 0.32, p ≤ 0.001; rho = 0.41, p ≤ 0.001) and those with higher concussion knowledge (rho = 0.29, p ≤ 0.001; rho = 0.22; p ≤ 0.001). Participating in sports with a high-risk of concussion was associated with lower attitudes and intentions to provide social support (W = 6677; p ≤ 0.001; W = 6721; p ≤ 0.001). Self-reported concussion history or knowing someone with a concussion history was not significantly associated with social support intentions.Conclusion This study identified characteristics of youth who had positive intentions to provide social support. These findings identify individuals who may model providing social support to a peer, as well as opportunities for future concussion education.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 0,003 |
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 ».