Utility of self-reported mental health measures for preventing unintentional injury: results from a cross-sectional study among French schoolchildren
Notice bibliographique
Résumé
BACKGROUND: Identify children at-risk of having mental health problems is of value to prevent injury. But the limited agreement between informants might jeopardize prevention initiatives. The aims of the present study were 1) to test the concordance between parents and children reports, and 2) to investigate their relationships with parental reports of children' unintentional injuries. METHODS: In a population-based sample of 1258 children aged 6 to 11, the associations between child psychopathology (using the Dominic Interactive and the Strengths and Difficulties Questionnaire) and unintentional injuries in the past 12 months were examined in univariate and multivariate models. RESULTS: As compared to children, parents tended to overestimate behavior problems and hyperactivity/inattention, and underestimate emotional symptoms. Unintentional injury in the last 12-month period was reported in 184 out of 1258 children (14.6%) and multivariate analyses showed that the risk of injury was twice as high in children self-reporting hyperactivity/inattention as compared to others. However this association was not retrieved with the parent-reported instrument. CONCLUSION: Our findings support evidence that child-reported measures of psychopathology might provide relevant information for screening and injury prevention purposes, even at a young age. It could be used routinely in combination with others validated tools.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».