Increasing Early Awareness of Hazard of Children with ADHD’s ODD and Aggression by Structural Equation Modeling (SEM)
Notice bibliographique
Résumé
Background: The hazard of children with Attention Deficit Hyperactivity Disorder (ADHD) occurring Oppositional Defiant Disorder (ODD) (shorten as ADHD’s ODD) and aggression is not well understood. This study employs structural equation modeling (SEM) to operationalize aggression as joined symptoms on children with ADHD’s ODD by analyzing how aggression symptom transact the symptom severity of ADHD’s ODD. Methods: ADHD children and adolescents received clinical diagnosis and inattention (ADHD-I), hyperactivity/impulsivity (ADHD-H/I), and ODD subscale of Swanson, Nolan, and Pelham, version IV scale (SNAP-IV-C) and child behaviour check list (CBCL). SEM was applied to associate ADHD-I, ADHD-H/I, and ODD subscale toaggression. Results: Significantly aggressive symptom on CBCL interact with symptom of ADHD, ODD on SNAP; the standardized direct effect of ADHD symptom by SNAP on behavior symptom by CBCL is 0.57 and the standardized total (direct and indirect) effect of ODD symptom on behavior symptom is 0.34. Children with ADHD’s ODD symptom share similar characteristic symptom as symptom of ADHD children with deficient emotional self-regulation (DESR). The aggression is highly correlated with ODD (0.607). Conclusions: On ADHD symptom, the likelihood of symptom severity is predicted by the symptom of ADHD-I, ADHD-H/I, and ODD. On ODD symptom, ODD is associated with aggression and anxiety/depression symptom. There is a need to regard child with symptom of ADHD’s ODD and aggression as a child with heavy genetic loading and predictor of disruptive behavior disorder.
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 | 0,013 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».