Mental health and well-being of elite youth athletes: a scoping review
Notice bibliographique
Résumé
BACKGROUND: There is increasing recognition of the prevalence and risk factors for mental health symptoms and disorders among adult elite athletes, with less research involving elite youth athletes. This scoping review aimed to characterise the mental health and well-being of elite youth athletes who travel internationally and compete for their sport. METHOD: Four databases were searched in March 2023. Inclusion criteria were studies with elite youth athlete populations (mean age 12-17 years) reporting mental health and well-being outcomes. Data from included studies were charted by outcome, and risk/protective factors identified. RESULTS: Searches retrieved 3088 records, of which 33 studies met inclusion criteria, encapsulating data from 5826 athletes (2538 males, 3288 females). The most frequently studied issue was disordered eating (k=16), followed by anxiety (k=7), depression (k=5) and mixed anxiety/depression (k=2). Caseness estimates (a symptom level where mental health treatment is typically indicated) for disordered eating were wide ranging (0%-14% for males; 11%-41% for females), whereas only two studies estimated caseness for depression (7% in a mixed-sex sample; 14% for males, 40% for females) and one for anxiety (8% for males, 28% for females). Common risk factors for mental ill-health included sex, athlete status (compared with non-athletes) and social/relationship factors (with coaches/parents/peers). Contradictory evidence was observed for elite/competition level, which was associated with higher and lower rates of disordered eating. CONCLUSION: Further representative research into the mental health and well-being of elite youth athletes is needed to enhance understanding and guide prevention and intervention measures.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».