The relationship between psychological abuse, athlete satisfaction, eating disorder and self-harm indicators in elite athletes
Notice bibliographique
Résumé
Introduction Psychological abuse continues to be the most frequently reported type of maltreatment among athletes leading to negative mental health such as low mood and self-esteem, increased anxiety, self-harm, and eating disorders. Preliminary evidence suggests athlete satisfaction can influence the perceived outcomes associated with psychological abuse. Despite its negative impacts on athletes, psychological abuse continues to be justified as a tool to enhance athletic performance. Methods This study sought to examine the effects of psychological abuse on athlete satisfaction and mental health indicators of eating disorders and self-harm. Participants consisted of Canadian National Team athletes who completed a survey of maltreatment in sport with items assessing psychological abuse, athlete satisfaction, eating disorder and self harm indicators (n = 794). Results Results indicated a negative correlation between psychological abuse and athlete satisfaction, and a positive correlation with eating disorders and self-harm indicators. Additionally, athlete satisfaction was a significant moderator of psychological abuse on eating disorder and self-harm indicators. High athlete satisfaction buffered against the negative effects of psychological abuse on self-harming indicators in non-aesthetic and weight based sport and non-team sport athletes. Conversely, the interaction between athlete satisfaction and psychological abuse was marginally significant in predicting increased negative effects on eating disorders in aesthetic and weight based sport athletes. Discussion These findings highlight the detrimental effects psychological abuse can have on athletes in relation to eating disorders and self-harm, and the buffering role of athlete satisfaction on self-harm but not eating disorder indicators in aesthetic and weight based sport athletes. Recommendations include increased attention to preventing psychological abuse in sport.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».