Early childhood aetiology of mental health problems: a longitudinal population‐based study
Notice bibliographique
Résumé
BACKGROUND: Mental health problems comprise an international public health issue affecting up to 20% of children and show considerable stability. We aimed to identify child, parenting, and family predictors from infancy in the development of externalising and internalising behaviour problems by age 3 years. METHODS: Design Longitudinal, population-based survey completed by primary caregivers when children were 7, 12, 18, 24 and 36 months old. Participants 733 children sequentially recruited at 6-7 months from routine well-child appointments (August-September 2004) across six socio-economically and culturally diverse government areas in Victoria, Australia; 589 (80%) retained at 3 years. Measures 7 months: sociodemographic characteristics, maternal mental health (Depression Anxiety Stress Scale (DASS)), substance misuse, home violence, social isolation, infant temperament; 12 months: partner relationship, parenting (Parent Behavior Checklist (PBC)); 18, 24 and 36 months: child behaviour (Child Behavior Checklist 1(1/2)-5 (CBCL)), PBC, DASS. RESULTS: Sixty-nine percent of all families attending well-child clinics took part. The consistent and cumulative predictors of externalising behaviours were parent stress and harsh discipline. Predictors of internalising behaviours included small family size, parent distress, and parenting. Twenty-five percent of variation in early externalising behaviour and 17% of variation in early internalising behaviour was explained. CONCLUSIONS: Effective and cost-efficient population approaches to preventing mental health problems early in childhood are urgently needed. Programmes must support parents in reducing personal stress as well as negative parenting practices.
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) | 0,001 | 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 ».