Examining the Methods Adolescents Use in Nonsuicidal Self‐Injury: A Multi‐Wave Latent Profile Analysis
Notice bibliographique
Résumé
INTRODUCTION: Nonsuicidal self-injury (NSSI) among adolescents is a health concern. Little is known about the patterns of methods adolescents use, in terms of how many and how often different methods are used. METHODS: We used three annual waves of data from 630 Swedish adolescents (T1: age 12-18 years; 56% girls), who reported NSSI use at least once. Latent profile analysis was used to examine profile differences, with supplementary analyses focused on differences and change predicted by gender, internalizing, emotion dysregulation, interpersonal stressors, and severity of NSSI. RESULTS: Three profiles consistently emerged over time: one very low in NSSI, another with higher frequencies of cutting/scraping skin, and one reporting multiple methods of NSSI, ranging from moderate (T1) to high (T3) frequency. Profile subgroups differed: low subgroups consisted of the fewest girls and reported the lowest levels of intra- and interpersonal issues. Additionally, subgroups differed in severity of NSSI, suggesting damage to the skin may not be the only reason medical attention is needed. Significant change in subgroup membership was also observed. CONCLUSIONS: Although most adolescents engaged in NSSI at very low rates, many used multiple forms, differing in both frequency and versatility. Few differences were found between subgroups characterized by higher frequencies, suggesting that it might be possible to identify adolescents most in need of treatment by attending to the methods most frequently used. Results also suggested that measuring the severity of each method may yield more accurate information than a priori groupings.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».