Development of Aggression Subtypes from Childhood to Adolescence: a Group-Based Multi-Trajectory Modelling Perspective
Notice bibliographique
Résumé
The persistence of elevated subtypes of aggression beginning in childhood have been associated with long-term maladaptive outcomes. Yet it remains unclear to what extent there are clusters of individuals following similar developmental trajectories across forms (i.e., physical and indirect) and functions (i.e., proactive and reactive) of aggression. We aimed to identify groups of children with distinct profiles of the joint development of forms and functions of aggression and to identify risk factors for group membership. A sample of 787 children was followed from birth to adolescence. Parent and teacher reports, and standardised assessments were used to measure two forms and two functions of aggressive behaviour, between six and 13 years of age along with preceding child, maternal, and family-level risk-factors. Analyses were conducted using a group-based multi-trajectory modelling approach. Five trajectory groups emerged: non-aggressors, low-stable, moderate-engagers, high-desisting, and high-chronic. Coercive parenting increased membership risk in the moderate-engagers and high-chronic groups. Lower maternal IQ increased membership risk in both high-desisting and high-chronic groups, whereas maternal depression increased membership risk in the high-desisting group only. Never being breastfed increased membership risk in the moderate-engagers group. Boys were at greater risk for belonging to groups displaying elevated aggression. Individuals with chronic aggression problems use all subtypes of aggression. Risk factors suggest that prevention programs should start early in life and target mothers with lower IQ. Strategies to deal with maternal depression and enhance positive parenting while replacing coercive parenting tactics should be highlighted in programming efforts.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».