Positive childhood experiences serve as protective factors for mental health in pandemic-era youth with adverse childhood experiences
Notice bibliographique
Résumé
BACKGROUND: While adverse childhood experiences (ACEs) predict poorer mental health across the life course, positive childhood experiences (PCEs) predict better mental health. It is unclear whether PCEs protect against poor mental health outcomes and promote mental well-being in pandemic-era adolescents with ACEs. METHODS: We examined the individual and joint contributions of ACEs and PCEs to mental health and well-being (MHW) in eleventh-grade British Columbian adolescents (N = 8864) during the fifth wave of COVID-19. We used a novel measure of ACEs that included community- and societal-level ACEs in addition to ACEs experienced at home to investigate the role of social and structural determinants of mental health in supporting the MHW of pandemic-era adolescents. A series of two-way ANCOVAs were conducted comparing MHW outcomes between adolescents with and without ACEs. Interaction effects were examined to investigate whether PCEs moderated the association between ACEs and MHW. RESULTS: Adolescents with no ACEs had significantly better MHW than those with one or more ACE. Having six or more PCEs was associated with better MHW in adolescents with and without ACEs. PCEs significantly moderated the association between ACEs and depression. Effect sizes were larger for PCEs than ACEs in relation to depression, mental well-being, and life satisfaction. CONCLUSIONS: PCEs may protect against depression among adolescents with ACEs and promote MHW among all pandemic-era adolescents. These findings emphasize the importance of addressing social determinants of mental health to mitigate the impact of ACEs and promote PCEs as part of a public health approach to MHW.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».