Unveiling Suicidal Risk in Young Child Sexual Abuse Victims: Prevalence and Predictive Markers
Notice bibliographique
Résumé
Child sexual abuse has repeatedly been identified as a risk factor for suicidal ideation and behavior, yet most research has focused on adolescents and young adults. Very little is known about suicidality in children exposed to sexual abuse in middle childhood, which is a developmental period marked by unique cognitive and socioemotional specificities. Gaining a better understanding of risk factors in this subgroup is crucial to inform age-appropriate prevention and intervention efforts. This study aimed to: 1) determine the prevalence of suicidal ideation and behavior in a sample of child victims of sexual abuse aged 6-12 years old, using both self- and parent-reports and 2) model a regression tree to identify the most potent markers of suicidal risk. A total of 783 children aged 6-12, and their non-offending caregivers, completed questionnaires on suicidality, and correlates of suicidal risk (e.g. depression, emotional regulation, post-traumatic stress symptoms, and perceived maternal support following disclosure of abuse). The prevalence of suicidal ideation was 31.2% and 11.4% according to children and parents, respectively. Findings revealed that emotional dysregulation and clinical levels of depression were the most influential variables in the prediction of suicide risk. Namely, the subgroup that showed the highest suicidal risk consisted of children who had both high levels of emotional dysregulation and clinical levels of depression. The decision tree model offers an important screening tool for clinicians wishing to identify children most at-risk of suicidality.
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 | 0,001 | 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 | 0,000 | 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 ».