Adverse childhood experiences: a meta‐analysis of prevalence and moderators among half a million adults in 206 studies
Notice bibliographique
Résumé
Exposure to adverse childhood experiences (ACEs), including maltreatment and family dysfunction, is a major contributor to the global burden of disease and disability. With a large body of international literature on ACEs having emerged over the past 25 years, it is timely to now synthetize the available evidence to estimate the global prevalence of ACEs and, through a series of moderator analyses, determine which populations are at higher risk. We searched studies published between January 1, 1998 and August 5, 2021 in Medline, PsycINFO and Embase. Study inclusion criteria were using the 8- or 10-item ACE Questionnaire (±2 items), reporting the prevalence of ACEs in population samples of adults, and being published in English. The review protocol was registered with PROSPERO (CRD42022348429). In total, 206 studies (208 sample estimates) from 22 countries, with 546,458 adult participants, were included. The pooled prevalence of the five levels of ACEs was: 39.9% (95% CI: 29.8-49.2) for no ACE; 22.4% (95% CI: 14.1-30.6) for one ACE; 13.0% (95% CI: 6.5-19.8) for two ACEs; 8.7% (95% CI: 3.4-14.5) for three ACEs, and 16.1% (95% CI: 8.9-23.5) for four or more ACEs. In subsequent moderation analyses, there was strong evidence that the prevalence of 4+ ACEs was higher in populations with a history of a mental health condition (47.5%; 95% CI: 34.4-60.7) and with substance abuse or addiction (55.2%; 95% CI: 45.5-64.8), as well as in individuals from low-income households (40.5%; 95% CI: 32.9-48.4) and unhoused individuals (59.7%; 95% CI: 56.8-62.4). There was also good evidence that the prevalence of 4+ ACEs was larger in minoritized racial/ethnic groups, particularly when comparing study estimates in populations identifying as Indigenous/Native American (40.8%; 95% CI: 23.1-59.8) to those identifying as White (12.1%; 95% CI: 10.2-14.2) and Asian (5.6%; 95% CI: 2.4-10.2). Thus, ACEs are common in the general population, but there are disparities in their prevalence. They are among the principal antecedent threats to individual well-being and, as such, constitute a pressing social issue globally. Both prevention strategies and downstream interventions are needed to reduce the prevalence and mitigate the severity of the effects of ACEs and thereby reduce their deleterious health consequences on future generations.
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 | 0,030 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,052 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».