Challenging sleep-wake behaviors reported in informal, conversational interviews of caregivers of children with fetal alcohol spectrum disorder
Notice bibliographique
Résumé
Objective: Sleep complaints are clinically expected in children exposed to alcohol during pregnancy. We aim to reveal patterns of association among sleep–wake behaviors that are challenging in the life of children with fetal alcohol spectrum disorders (FASD).Methods: Through text-mining analyses, we numericized the transcripts of 59 caregiver’s informal, conversational interviews. That is, the relative frequencies-of-occurrences of words as well as their semantic specificities (italic) were clustered, categorized, and visualized for patterns.Results: A total of 4008 words were indexed where sleep took the 91st place of most important words. Sleep and wake were however not associatively conversed throughout the interviews. Sleep-related words conversed were: night, nap, apnea, asleep, awake, bed, bedroom, bedtime, mattress, melatonin, overnight, and wake-up. Among some FASD-characteristic words describing the challenges were: huge, alcohol, manage*, stop, adopt, crazy*. The semantic space reflecting these challenges experienced in caring for children with FASD was divided into two axes: child-oriented vs. other-oriented words, and day-related and night-related words. The position of sleep shows that problematic sleep was expressed as a ‘family’ issue. Clumsy* was interrelated with problematic sleeping and waking. Despite that mostly night was associatively conversed, the association of Routines, Managing, and Planning with sleep underscores the challenges faced.Conclusion: When conversing caregivers of children with FASD seldom interrelate ‘sleep’ but rather ‘night’ with FASD-characteristics. Increased sleep awareness combined with educational initiatives regarding sleep are advocated.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».