Phenotypic and genetic associations between reading comprehension, decoding skills, and <scp>ADHD</scp> dimensions: evidence from two population‐based studies
Notice bibliographique
Résumé
BACKGROUND: The phenotypic and genetic associations between decoding skills and ADHD dimensions have been documented but less is known about the association with reading comprehension. The aim of the study is to document the phenotypic and genetic associations between reading comprehension and ADHD dimensions of inattention and hyperactivity/impulsivity in early schooling and compare them to those with decoding skills. METHODS: Data were collected in two population-based samples of twins (Quebec Newborn Twin Study - QNTS) and singletons (Quebec Longitudinal Study of Child Development - QLSCD) totaling ≈ 2300 children. Reading was assessed with normed measures in second or third grade. Teachers assessed ADHD dimensions in kindergarten and first grade. RESULTS: Both decoding and reading comprehension were correlated with ADHD dimensions in a similar way: associations with inattention remained after controlling for the other ADHD dimension, behavior disorder symptoms and nonverbal abilities, whereas associations with hyperactivity/impulsivity did not. Genetic modeling showed that decoding and comprehension largely shared the same genetic etiology at this age and that their associations with inattention were mostly explained by shared genetic influences. CONCLUSION: Both reading comprehension and decoding are uniquely associated with inattention through a shared genetic etiology.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».