Childhood Hyperactivity, Physical Aggression and Criminality: A 19-Year Prospective Population-Based Study
Notice bibliographique
Résumé
BACKGROUND: Research shows that children with Attention Deficit/Hyperactivity Disorder are at elevated risk of criminality. However, several issues still need to be addressed in order to verify whether hyperactivity in itself plays a role in the prediction of criminality. In particular, co-occurrence with other behaviors as well as the internal heterogeneity in ADHD symptoms (hyperactivity and inattention) should be taken into account. The aim of this study was to assess the unique and interactive contributions of hyperactivity to the development of criminality, whilst considering inattention, physical aggression and family adversity. METHODOLOGY/PRINCIPAL FINDINGS: We monitored the development of a population-based sample of kindergarten children (N = 2,741). Hyperactivity, inattention, and physical aggression were assessed annually between the ages of 6 and 12 years by mothers and teachers. Information on the presence, the age at first charge and the type of criminal charge was obtained from official records when the participants were aged 25 years. We used survival analysis models to predict the development of criminality in adolescence and adulthood: high childhood hyperactivity was highly predictive when bivariate analyses were used; however, with multivariate analyses, high hyperactivity was only marginally significant (Hazard Ratio: 1.38; 95% CI: 0.94-2.02). Sensitivity analyses revealed that hyperactivity was not a consistent predictor. High physical aggression was strongly predictive (Hazard Ratio: 3.44; 95% CI: 2.43-4.87) and its role was consistent in sensitivity analyses and for different types of crime. Inattention was not predictive of later criminality. CONCLUSIONS/SIGNIFICANCE: Although the contribution of childhood hyperactivity to criminality may be detected in large samples using multi-informant longitudinal designs, our results show that it is not a strong predictor of later criminality. Crime prevention should instead target children with the highest levels of childhood physical aggression and family adversity.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».