Characterizing adverse prenatal and postnatal experiences in children
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Prenatal and postnatal adversities, including prenatal alcohol exposure (PAE), prenatal exposure to other substances, toxic stress, lack of adequate resources, and postnatal abuse or neglect, often co-occur. These exposures can have cumulative effects, or interact with each other, leading to worse outcomes than single exposures. However, given their complexity and heterogeneity, exposures can be difficult to characterize. Clinical services and research often overlook additional exposures and attribute outcomes solely to one factor. METHODS: We propose a framework for characterizing adverse prenatal and postnatal exposures and apply it to a cohort of 77 children. Our approach considers type, timing, and frequency to quantify PAE, other prenatal substance exposure, prenatal toxic stress, postnatal threat (harm or threat of harm), and postnatal deprivation (failure to meet basic needs) using a 4-point Likert-type scale. Postnatal deprivation and harm were separated into early (<24 months of age) and late (≥24 months) time periods, giving seven exposure variables. Exposures were ascertained via health records, child welfare records, interviews with birth parents, caregivers, and/or close family/friends. RESULTS: Nearly all children had co-occurring prenatal exposures, and two-thirds had both prenatal and postnatal adversities. Children with high PAE were more likely to experience late postnatal adversities, and children with other prenatal substance exposure were more likely to have early postnatal deprivation. Postnatal adversities were more likely to co-occur. CONCLUSION: This framework provides a comprehensive picture of a child's adverse exposures, which can inform assessment and intervention approaches and policy and will be useful for future research.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle