Cyberbullying victimization and suicidal ideation among in-school adolescents in three countries: implications for prevention and intervention
Notice bibliographique
Résumé
BACKGROUND: Countries in South and Central America and the Caribbean are among the countries with the highest adolescent cyberbullying crimes. However, empirical evidence about the effect of cyberbullying victimization on suicidal ideation among in-school adolescents in these countries remains limited. The present study examined the association between cyberbullying victimization and suicidal ideation among in-school adolescents in Argentina, Panama, St Vincent, and the Grenadines. METHODS: A representative cross-sectional data from 51,405 in-school adolescents was used. Hierarchical logistic regression analysis was used to estimate the association between cyberbulling victimization and suicidal ideation. RESULTS: Overall, 20% and 21.1% of the adolescents reported cyberbullying victimization and suicidal ideation, respectively in the past year before the survey. Suicidal ideation was higher among adolescents who experienced cyberbullying victimization (38.4%) than those who did not experience cyberbullying victimization (16.6%). Significantly higher odds of suicidal ideation were found among adolescents who had experienced cyberbullying victimization than those who had not experienced cyberbullying victimization [aOR = 1.88, 95% CI: 1.77-1.98]. CONCLUSION: This finding calls for developing and implementing evidence-based programs and practices by school authorities and other relevant stakeholders to reduce cyberbullying victimization among adolescents in this digital age. Protective factors such as parental support and peer support should be encouraged.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».