The impact of childhood emotional abuse on non-suicidal self-injury in adolescents with mood disorders: a moderated mediation model
Notice bibliographique
Résumé
Objectives: This study aims to identify factors associated with NSSI severity in adolescents with mood disorders and examine the mediating role of emotional expression difficulties and the moderating role of bullying in the relationship between childhood emotional abuse and NSSI. Methods: Using a convenience sampling method, 242 adolescents with mood disorders were surveyed with the Adolescent Self-Harm Questionnaire, Childhood Abuse Questionnaire, Toronto Alexithymia Scale, and Beck Suicidal Ideation Scale. Stepwise linear regression was performed to examine associations between NSSI severity and key predictors, including childhood trauma subtypes, alexithymia, and bullying history. The mediation and moderation effects were tested using the Hayes Process plugin. Results: The prevalence of NSSI among adolescents with mood disorders was 81.40% (n = 197). Experiences of bullying (β=0.19, P=0.001), childhood emotional abuse (β=0.25, P<0.001), and difficulties in emotional expression (β=0.25, P<0.001) were positively correlated with the severity of NSSI, while age (β=-0.12, P=0.046) was negatively correlated. Difficulties in emotional expression partially mediated the relationship between childhood emotional abuse and NSSI, with a mediation effect size of 0.25, Bootstrap 95% CI (0.02-0.10), accounting for 21% of the total effect. This mediation effect was moderated by experiences of bullying, showing a positive association between the severity of NSSI and the interaction term of emotional expression difficulties and bullying (β=3.23, P<0.001), with a moderated mediation index of 0.48 and Bootstrap 95% CI (0.08-1.14). Conclusion: Childhood emotional abuse in adolescents with mood disorders can have both direct and indirect effects on NSSI through difficulties in emotional expression, and experiences of bullying moderate the relationship between NSSI and emotional expression difficulties.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».