The Paediatrician’s role in understanding and supporting parenting practices through a health behaviour lens
Notice bibliographique
Résumé
> What’s the right bedtime for my child? > > How do we cut down on junk food at home? > > How do I decrease my child’s “screen time”? > > When my child has an “episode”, should I give a “time out”? Today, parents can access a myriad of online resources for advice on strategies to support their child’s health and development. A large proportion of families present annually to their doctor with concerns that require counselling around parenting behaviours, including management of obesity, sleep hygiene, screen time practices, reading and literacy at home, and behaviour management. Indeed, for many of these behaviours, there exist evidence-based recommendations or consensus guidelines that paediatricians can use to advise their patients’ parents. However, it is important to consider how comfortable paediatricians are in providing this advice, and furthermore, how effective they are in helping families to change their parenting behaviours. Modification of these behaviours is known to impact long-term health outcomes. Households with excessive screen time exposure are associated with increased risk of speech delay, obesity and sleep problems.1–3 Likewise, families who incorporate structured bedtime reading routines are associated with improved social behaviours, emotional and behavioural regulation, sleep, cognitive development and school readiness.4 We understand that caregiving practices are deeply ingrained, being impacted by a multitude of factors such as parents’ own families of origin, culture, education background, parental mental health and financial resources. There is well-established literature and numerous evidence-based parenting programmes that delineate key features of how parents can encourage positive behaviours …
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».