Latent Profiles of Externalizing Psychopathology and Their Relation to Children's Aggression and Social Behavior
Notice bibliographique
Résumé
OBJECTIVE: This study identified profiles of clinic-referred children with disruptive behavior and determined the association between identified profiles and children's aggression, peer problems, and prosocial skills. METHOD: Parents and teachers of 208 children (163 boys) aged 6 to 12 years (Mage = 8.80, SD = 1.75) completed measures to assess children's callous-unemotional (CU) traits, inattentive-impulsive-overactive (IO) and oppositional-defiant (OD) behavior, aggression, and social behaviors. Latent class analysis was used to identify the profiles, and the pseudoclass draw method to test the equality of means for each of the aggression and social behavioral outcomes across the latent classes. RESULTS: Five profiles were identified: (1) Low (35.6% of children), with relatively low levels of CU traits and IO and OD behavior; (2) Low-Moderate (30.8%), with low-moderate levels of CU traits, low IO and moderate OD behavior; (3) Moderate (21.6%), with moderate levels of CU traits and IO and moderate-high OD behavior; (4) Moderate-High (7.2%), with moderate-high levels of CU traits, high IO and moderate-high OD behavior; and (5) High (4.8%), with high levels of CU traits, IO and OD behavior. CONCLUSION: Children categorized into profiles showed important differences in level of aggression and social behavior. The overlap between CU traits, IO, and OD behavior add to understanding of child psychopathology that influences behavior and clinical outcomes.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».