Multi-rater developmental trajectories of hyperactivity–impulsivity and inattention symptoms from 1.5 to 17 years: a population-based birth cohort study
Notice bibliographique
Résumé
The developmental course of hyperactivity-impulsivity and inattention symptoms from infancy to adolescence has not been documented in a population sample. The aim of this study was to describe the developmental course of hyperactivity-impulsivity and inattention symptoms from 1.5 to 17 years using multiple informants, and to identify perinatal risk factors associated with following elevated (high-risk) trajectories. Using a population-based birth cohort (n = 1374), symptom ratings from mothers (1.5-8 years), teachers (6-13 years) and participant self-reports (10-17 years) were combined using group-based multi-trajectory modeling to identify informants' convergence in identifying high-symptom trajectories of hyperactivity-impulsivity and inattention over time. Perinatal risk factors associated with high-symptom trajectories were identified using stepwise logistic regression. The study found that symptoms of hyperactivity-impulsivity broadly declined from 1.5 to 17 years while symptoms of inattention remained constant. 21.4% of participants followed elevated trajectories of hyperactivity-impulsivity and 20.2% followed elevated trajectories of inattention; 11.6% followed elevated trajectories of both types of symptoms concurrently. Risk factors for high-risk trajectories of hyperactivity-impulsivity were low maternal education, prenatal alcohol exposure, non-intact family, maternal depression, and low child IQ; for high-risk inattention they were prenatal street drug exposure, early motherhood, low maternal education, maternal depression and low child IQ. Risk factors for trajectories of high-risk hyperactivity-impulsivity and inattention concurrently were low maternal education, maternal depression, and low child IQ. The combination of longitudinal assessments from multiple informants (i.e., mother, teacher, participant-reports) provides a new way to characterize hyperactivity-impulsivity and inattention phenotypes over time.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».