Adolescent mental well‐being in time of crises: The role of social and residential contexts
Notice bibliographique
Résumé
BACKGROUND: The extent of the impact and the interconnections among factors within social and residential contexts during the COVID-19 lockdowns on mental well-being remain to be elucidated. We identified latent classes of each of social and residential context during the lockdown and examined their associations with mental well-being among adolescents in France 1-year after the first lockdown. METHODS: We used data collected in 2021 in a cross-sectional school-based pilot study for EXIST, from 387 participants ages 12-15 years. Participants reported retrospectively on characteristics of their social and residential contexts during the lockdown, and their current mental well-being in self-report questionnaires. We used latent class analysis to identify latent classes of social and residential contexts, and linear regression models to examine the associations between these contexts and mental well-being. RESULTS: Four social context classes were identified: class 1 "Low opportunity for social contact at home," class 2 "Moderate opportunity for social contact at home," class 3 "High opportunity for social contact at home," and class 4 "Very high opportunity for social contact at home." Relative to class 4, lower levels of mental well-being were observed among adolescents in class 1 (b = -4.08, 95% CI [-8.06; -0.10]) 1 year after the lockdown. We identified four residential context classes based on proximity to nature, type of residence (e.g., apartment, house), and level of neighborhood deprivation. No association was detected between residential context during the lockdown and adolescent mental well-being one-year later. CONCLUSION: A limited social context may negatively impact adolescent mental well-being during crises.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».