Acne-related quality of life and mental health among adolescents: a cross-sectional analysis
Notice bibliographique
Résumé
BACKGROUND: Acne vulgaris is one of the most common skin conditions worldwide among adolescents. Beyond its physical manifestations, acne can leave invisible psychological scars. OBJECTIVES: We aimed to examine the protective and risk factors of acne-related quality of life and its association with mental health outcomes. METHODS: The analysis included data collected in 2023 from adolescents enrolled in the SEROCoV-KIDS population-based cohort. By combining the Acne Severity and Acne-Specific Quality of Life (Acne-QoL) scales, the following three groups were established: Acne-LowAQoL (adolescents with acne and low acne-related quality of life), Acne-HighAQoL and NoAcne-HighAQoL. We used multinomial and logistic regression to assess the association between health behaviours and mental health outcomes in these groups. RESULTS: Among 335 adolescents [mean age 16.1 years (SD 1.8), 56% female sex], 65 (19.4%) reported experiencing acne while maintaining a high Acne-QoL, 26 (7.7%) reported having acne and a low Acne-QoL, and 244 (72.9%) reported having nearly no acne. Low engagement in physical activity [adjusted odds ratio (aOR) 0.30, 95% confidence interval (CI) 0.12-0.77], addictive use of social media (aOR 3.78, 95% CI 1.60-8.96), and prolonged screen time (aOR 2.99, 95% CI 1.26-7.08) were independently associated with Acne-LowAQoL. Conversely, those from the group, Acne-HighAQoL, reported higher social support (aOR 1.95, 95% CI 1.07-3.54). Adolescents with Acne-LowAQoL showed lower levels of self-esteem, resilience and increased psychological distress. CONCLUSIONS: Among adolescents with acne, physical activity and social support were positively associated with good acne-related quality of life, which translated into better mental health. In contrast, screen time and social media use notably worsened mental health. Dermatologists should incorporate these considerations into clinical practice to ensure effective patient care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».