Intersectional identity, risk behaviors, and adolescent mental health in South Korea: who suffers the most in the loneliness epidemic?
Notice bibliographique
Résumé
Purpose: Intersectionality is a theoretical framework that allows researchers to examine how multiple, overlapping social identities such as gender and socioeconomic status (SES) interact to shape individuals' experiences and contribute to inequalities. This study examined the associations between intersectional identity and mental health among South Korean adolescents and whether risk behaviors modify these associations. Methods: The 2023 Korea Youth Behavior Web-Based Survey (n=52,880; 12-18 years) was used. Gender and family SES served as intersectional identities. Outcome included stress, depression, and loneliness. Alcohol, tobacco, and smartphone use were considered as potential effect modifiers. Decision tree models, logistic regressions, and moderation analyses were performed. Results: Overall, girls reported poorer mental health than boys. When SES was considered, gender X SES was associated with loneliness only, and not with stress or depression. Among boys, the odds of reporting loneliness were higher with lower SES, and this association was further compounded by alcohol or tobacco use within each SES level. Girls reported higher odds of loneliness across all SES levels compared to boys, with low-SES girls experiencing the greatest burden. Alcohol and tobacco use further exacerbated the associations between intersectional identity and loneliness across all groups, particularly in girls. Smartphone use did not modify these associations. Conclusions: Interventions targeting alcohol and tobacco use may be important to prevent loneliness for adolescents with intersectional identities. Loneliness may be shaped by both structural and behavioral factors, supporting the intersectionality as a useful analytical framework to better understand mental health disparities among adolescents.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».