Bullying in adolescents across three years in the context of the COVID-19 pandemic: a repeated cross-sectional and prospective analysis
Notice bibliographique
Résumé
BACKGROUND: Bullying has been identified as a risk factor for many issues among adolescents. Although it was already considered a public health issue in Brazil before the COVID-19 pandemic, little is known about how the pandemic and associated public health measures have affected bullying behavior. OBJECTIVE: To explore changes in bullying victimization and perpetration among Brazilian high school students from 2019 to 2022. METHODS: This study utilizes data from the Longitudinal Study of Adolescent Lifestyle (ELEVA), employing a repeated cross-sectional with a nested cohort design. Adolescents (n = 1.987, 50.2% female, mean age 16.4 years) answered a questionnaire and bullying-related information were extracted from two different questions for victims and perpetrators. Multilevel logistic regression models were used. RESULTS: Bullying victimization decreased from 46% (95% CI: 40-52%) in 2019 to 30% (95% CI: 24-36%) in 2022 (OR: 0.46, 95% CI: 0.30-0.69, p < 0.05) in the longitudinal sample. Stable prevalences of bullying victimization (44% in 2019, 40% in 2022, p = 0.090) and perpetration (9.7% in 2019. 8.7% in 2022, p = 0.5) were observed within the repeated cross-sectional sample. CONCLUSION: This study found a significant decrease in bullying victimization among Brazilian high school students from 2019 to 2022 in the longitudinal sample, which coincides with the decrease in bullying behavior associated with getting older. However, the prevalence of bullying victimization and perpetration remained relatively stable and high in the repeated cross-sectional sample. These findings highlight the need for effective policies and interventions to prevent bullying among high school students. Additionally, providing resources and support for students experiencing bullying could be beneficial.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».