Multisystemic resilience and its impact on youth mental health: reflections on co-designing a multi-disciplinary, participatory study
Notice bibliographique
Résumé
Youth depression is a global emergency. Redressing this emergency requires a sophisticated understanding of the multisystemic risks and biopsychosocial, economic, and environmental resources associated with young people's experiences of no/limited versus severe depression. Too often, however, personal risks and a focus on individual-level protective resources dominate accounts of young people's trajectories towards depression. Further, studies of depression in high-income countries (i.e., "western") typically inform these accounts. This article corrects these oversights. It reports on the methodology of the Wellcome-funded R-NEET study: a multidisciplinary, multisystemic, mixed method longitudinal study of resilience among African youth whose status as "not in education, employment or training" (NEET) makes them disproportionately vulnerable to depression. Co-designed by academics, community-based service providers and youth in South Africa and Nigeria, with partnerships in the United Kingdom, Canada and the United States, the R-NEET study is identifying the physiological, psychological, social, economic, institutional, and environmental risks and resources associated with distinct trajectories of depression. Using the methodology of the R-NEET study as exemplar, this article advances an argument for understanding resilience as a contextually and culturally rooted capacity that draws on the multiple, co-occurring systems that young people depend upon to support their wellbeing. Acknowledging and harnessing the multiple systems implicated in resilience is critical to researchers and mental health providers who seek to support young people to thrive, and to young people themselves when protecting or promoting their mental wellbeing.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».