Profils d’adolescentes : liens entre les traits d’insensibilité émotionnelle, l’historique de victimisation et la santé mentale
Bibliographic record
Abstract
Les traits d’insensibilité émotionnelle, tels que le manque de considération et d’empathie pour autrui, sont importants à considérer dans l’identification de sous-groupes de jeunes particulièrement à risque de présenter des comportements antisociaux graves et persistants (Frick et Dickens, 2006; Frick et White, 2008). Deux variantes (primaire et secondaire) ont été identifiées chez les jeunes manifestant des traits d’insensibilité émotionnelle. Plus précisément, les adolescents présentant des traits d’insensibilité émotionnelle secondaires se distingueraient de ceux présentant des traits d’insensibilité émotionnelle primaires par leur niveau plus élevé d’anxiété et de dépression (Fanti et al., 2013; Kahn et al., 2013) ainsi que leur historique d’adversité (Meehan et al., 2017) et de conduites autodestructrices, telles que la consommation de substances (Cecil et al., 2018). Les recherches abordant les différences entre les divers profils de comportement chez les jeunes reposent majoritairement sur des échantillons de garçons, ceux-ci étant notamment plus susceptibles que les filles de manifester des problèmes de comportement combinés à des traits d’insensibilité émotionnelle (Fontaine et al., 2011). Reposant sur un échantillon d’adolescentes, la présente étude avait ainsi, d’une part, l’objectif d’identifier des profils d’adolescentes sur la base de traits d’insensibilité émotionnelle, de troubles de comportement et de symptômes intériorisés (c.-à-d. anxiété et dépression). D’autre part, le but était d’identifier les différences entre les profils d’adolescentes sur le plan des comportements autodestructeurs, tels que la consommation d’alcool et de drogues (Baumeister et Scher, 1988) et les troubles alimentaires (Van der Kolk et Herman, 1991), ainsi que de l’historique de victimisation familiale et sociale, tels que les abus, la négligence et l’intimidation par les pairs. Un échantillon de 200 adolescentes a été recruté dans des écoles secondaires situées ii à Montréal et au sein de l’Institut universitaire Jeunes en difficulté (IUJD; n = 200; M = 15,10 ans; É-T = 1,62). Les analyses de profils latents effectuées par l’entremise du logiciel Mplus 8 ont permis d’obtenir un modèle optimal à quatre profils : normatif, anxieux, troubles de comportement (TC), troubles de comportement–traits d’insensibilité émotionnelle (TC–TIÉ). En plus d’avoir rapporté davantage d’anxiété et de dépression que le groupe normatif, les adolescentes du profil présentant les traits d’insensibilité émotionnelle et les troubles de comportement les plus élevés (TC–TIÉ) rapportaient avoir subi le plus d’exposition à de la victimisation familiale et sociale et s’être engagées dans plus de comportements autodestructeurs, tels que la consommation de substances. Ce profil manifesterait par conséquent un certain nombre de caractéristiques associées à la variante secondaire des traits d’insensibilité émotionnelle. Ainsi, les résultats de cette étude confirment l’importance de tenir compte de l’hétérogénéité des comportements ainsi que de l’historique de victimisation chez les groupes d’adolescentes à risque. Notamment, l’identification de ces profils d’adolescentes s’avère importante afin de prévenir d’autres difficultés d’ajustement, en plus d’adapter les interventions aux caractéristiques individuelles ainsi qu’aux expériences de victimisation des jeunes filles.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".