Screen-time is associated with inattention problems in preschoolers: Results from the CHILD birth cohort study
Notice bibliographique
Résumé
BACKGROUND: Pre-school children spend an average of two-hours daily using screens. We examined associations between screen-time on pre-school behavior using data from the Canadian Healthy Infant Longitudinal Development (CHILD) study. METHODS: CHILD participant parents completed the Child Behavior Checklist (CBCL) at five-years of age. Parents reported their child's total screen-time including gaming and mobile devices. Screen-time was categorized using the recommended threshold of two-hours/day for five-years or one-hour/day for three-years. Multiple linear regression examined associations between screen-time and externalizing behavior (e.g. inattention and aggression). Multiple logistic regression identified characteristics of children at risk for clinically significant externalizing problems (CBCL T-score≥65). RESULTS: Screen-time was available for over 95% of children (2,322/2,427) with CBCL data. Mean screen-time was 1·4 hours/day (95%CI 1·4, 1·5) at five-years and 1·5 hours/day (95%CI: 1·5, 1·6) at three-years. Compared to children with less than 30-minutes/day screen-time, those watching more than two-hours/day (13·7%) had a 2·2-point increase in externalizing T-score (95%CI: 0·9, 3·5, p≤0·001); a five-fold increased odd for reporting clinically significant externalizing problems (95%CI: 1·0, 25·0, p = 0·05); and were 5·9 times more likely to report clinically significant inattention problems (95%CI: 1·6, 21·5, p = 0·01). Children with a DSM-5 ADHD T-score above the 65 clinical cut-off were considered to have significant ADHD type symptoms (n = 24). Children with more than 2-hours of screen-time/day had a 7·7-fold increased risk of meeting criteria for ADHD (95%CI: 1·6, 38·1, p = 0·01). There was no significant association between screen-time and aggressive behaviors (p>0.05). CONCLUSION: Increased screen-time in pre-school is associated with worse inattention problems.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».