Relationships between concurrent language ability and mental health outcomes in a South African sample of 13-year-olds
Notice bibliographique
Résumé
Children and adolescents with delayed or disordered language development are at increased risk of a number of negative outcomes, including social and emotional problems and mental health difficulties. Yet, in low- and middle- income countries, where risk factors for compromised language development are known to be prevalent, there is a lack of research on the association between child and adolescent language ability and mental health outcomes. This study evaluates data from a cross-sectional study in Khayelitsha, a semi-urban impoverished community near Cape Town, South Africa. To measure language ability, behaviour and mental health, adolescents aged 13 (n = 200) were assessed using the Riddles subtest of the Kaufman Assessment Battery for Children Version 2, the parent report Child Behaviour Checklist, and the self-report Moods and Feelings Questionnaire and the Self-Esteem Questionnaire. We conducted univariate and multivariate analyses to determine associations between language skills, self-esteem and mental health in this group of adolescents. Poor language ability was related to a range of concurrent adverse difficulties, such as attention deficits, self-esteem problems, social withdrawal, and depressive symptoms. Increased levels of language ability were related to better psychosocial profiles. In some cases, only individuals with a low level of language (bottom 10% of sample) were at increased risk of maladaptive outcomes. This study replicates the well-established relationship between language ability and poorer mental health found within high income countries in an upper middle-income country setting. Locally accessible support for children with reduced language ability is required, given the longer-term consequences of poorer mental health.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».