Network analysis of the relationship between self-injury addiction, attachment, and anxiety in adolescents with non-suicidal self-injury
Notice bibliographique
Résumé
BACKGROUND: Non-suicidal self-injury (NSSI) has become increasingly prevalent, with its impact growing more severe among adolescents. Addictive NSSI typically manifests through higher frequencies, more severe injuries, and a broader range of affected body areas, potentially leading to trauma, disability, or even suicide. This study aims to explore the complex network relationships among adolescent attachment, anxiety, and NSSI addiction, offering new insights into the mechanisms underlying NSSI addiction in adolescents. METHODS: A total of 1169 adolescent patients with NSSI were enrolled. Demographic questionnaires, the Ottawa Self-Injury Inventory, the Inventory of Parent and Peer Attachment, and the Multidimensional Anxiety Scale for Children were administered for assessment. The complex network relationships among symptoms were analyzed using undirected network analysis and directed Bayesian network analysis, followed by causal inference. RESULTS: The core symptom nodes in the network model included four dimensions of anxiety symptoms: MASC2 (harm avoidance), MASC3 (social anxiety), MASC4 (separation anxiety), and MASC1 (physical symptoms), as well as Peer3 (peer alienation) related to attachment relationships. Undirected network analysis indicated that the key bridging nodes for NSSI addiction were Peer3 (peer alienation) and MASC1 (physical symptoms). Directed acyclic graph (DAG) analysis further confirmed this relationship, demonstrating that these two key bridging nodes directly influence NSSI addiction. Additionally, DAG analysis revealed that MASC3 (social anxiety) indirectly influences NSSI addiction by affecting Peer3 (peer alienation) and MASC1 (physical symptoms). CONCLUSION: Physical anxiety symptoms and peer alienation directly influence NSSI addiction among adolescents. Additionally, social anxiety indirectly influences NSSI addiction by affecting physical anxiety and peer alienation.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».