Cyberbullying Victimization Among Transgender and Gender-Questioning Early Adolescents
Notice bibliographique
Résumé
OBJECTIVE: To determine the association between transgender or gender-questioning identity and cyberbullying victimization in a diverse national sample of early adolescents in the United States. METHODS: We analyzed cross-sectional data from the Adolescent Brain Cognitive Development Study (year 3, 2019-2021, 11-14 years old, 48.8% female, 47.6% racial and ethnic minority). Logistic regression analyses were conducted to estimate the associations between transgender or gender-questioning identity and lifetime cyberbullying victimization, adjusting for sociodemographic confounders. RESULTS: In a sample of 9989 adolescents (1.0% transgender, 1.1% gender-questioning), both transgender (odds ratio [OR] 2.24, 95% confidence interval [CI] 1.22-4.10) and gender-questioning (OR 1.91, 95% CI 1.05-3.47) adolescents had greater odds of cyberbullying victimization compared to their cisgender peers. There was no evidence of significant effect modification of the association between transgender identity and cyberbullying victimization by sex assigned at birth. CONCLUSIONS: Transgender and gender-questioning early adolescents experience higher rates of cyberbullying victimization than their cisgender peers. Future research could investigate the risk and protective factors for cyberbullying in gender minority adolescents.
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 | 0,001 | 0,001 |
| 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 ».