Determinant of Mental Emotional Disorder in Adolescent: A Cross-Sectional Study
Notice bibliographique
Résumé
Objective: Adolescence is a critical period for experiencing mental disorders because this age is a transition from adolescence to adulthood, this period is also a determinant of one's mental health in the future. According to survey data from the Indonesia National Adolescent Mental Health Survey (I-NAMHS), which examined the prevalence of adolescent mental disorders in the country reveal that 1 out of 20 (5.5%) adolescents aged 10-17 years in Indonesia were diagnosed with a mental disorder. This study aimed to investigate the degree of risk of poor self-concept clarity, low self-esteem, a lack of peer support, and victims of bullying on mental-emotional disorders incidence in adolescents. Methods: This research is an observational study using a cross-sectional design. The sample in this study were high school students aged 15-18 years (n = 390) who were randomly selected from four high schools in Kotamobagu City, North Sulawesi Province, Indonesia. The data in this study were analyzed through the Chi-Square test and multiple regression test using the SPSS version 22.0. Results: This research shows that poor self-concept clarity (adj OR = 5.760; 95%CI = 3.173-10.458; p<0.001), low self-esteem (adj OR =3.647; 95%CI = 1.950-6.818; p<0.001), and victims of bullying (adj OR = 4.204; 95% CI =1.525-11.589; p=0.006) are related to adolescents’ mental-emotional disorders. Conclusions: It was concluded that the factors that influence mental-emotional disorders in adolescents are poor self-concept clarity, low self-esteem, and being a victim of bullying.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».