MétaCan
Menu
Retour à la cohorte
Enregistrement W2574019097 · doi:10.1177/1087054716685840

The Functional Impact of Sleep Disorders in Children With ADHD

2017· article· en· W2574019097 sur OpenAlexaff
Stephanie G. Craig, Margaret D. Weiss, Kristen L. Hudec, Christopher Gibbins

Notice bibliographique

RevueJournal of Attention Disorders · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPsychologyInsomniaSleep (system call)Clinical psychologyAffect (linguistics)Quality of life (healthcare)PsychiatrySomnolenceExcessive daytime sleepinessRating scaleSleep disorderDevelopmental psychologyMedicineAdverse effect

Résumé

récupéré en direct d'OpenAlex

Objective: Children with ADHD display higher rates of sleep problems, and both sleep disorders and ADHD have been shown to affect functioning in childhood. The current study examines the frequency and relationship between sleep problems and ADHD, and their impact on quality of life (QoL) and functional impairment. Method: Parents of 192 children with ADHD ( M = 10.23 years) completed measures regarding their child’s ADHD symptoms (Swanson, Nolan and Pelham [SNAP]), sleep disorders (Pediatric Sleep Questionnaire [PSQ]), QoL (Child Health Illness Profile [CHIP-PE]), and functioning (Weiss Functional Impairment Rating Scale–Parent Report [WFIRS-P]). Results: Common sleep complaints in participants were insomnia, excessive daytime sleepiness (EDS), and variability in sleep schedule. Regression analysis indicated that sleep problems and ADHD symptoms independently predicted lower levels of QoL (Δ R 2 = .12, p < .001) and social functioning (Δ R 2 = .12, p < .001). Conclusion: The results suggest that ADHD may coexist with somnolence and that both conditions have a significant impact on a child’s functioning and QoL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,317
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations90
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Attention DisordersMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207