Developmental joint trajectories of anxiety-depressive trait and trait-aggression: implications for co-occurrence of internalizing and externalizing problems
Notice bibliographique
Résumé
BACKGROUND: In youth, anxiety-depressive traits (ADT) and trait-aggression (TA) are important risk factors of exhibiting maladaptive behaviors in adulthood (i.e. violence and substance use). However, the developmental co-occurrence of these traits in youth remains unknown. We thus sought to investigate the developmental trajectories of ADT and TA within a data-driven approach. The aim was two-fold: (i) to examine the developmental trajectories of ADT and TA in youth from ages 10 to 16, and (ii) to investigate both childhood predictors and problematic outcomes of the identified joint trajectories. METHOD: The sample comprised 1354 children provided from the Longitudinal Studies of Child Abuse and Neglect (LONGSCAN) Consortium. Group-based trajectory modeling was first employed to identify individual trajectory models of ADT and TA independently (from ages 10 to 16). Then, joint trajectory models were built on the found trajectories. Last, logistic regressions were used to evaluate the childhood characteristics and negative outcomes of the joint trajectory groups. RESULTS: Our results showed five trajectory groups with varying levels of ADT and TA. A significant co-occurrence between ADT and TA was found in three of the trajectory groups. Notably, higher levels of childhood psychopathology and more severe/frequent childhood abuse were found in the groups with moderate to high ADT and high TA. The groups with higher ADT and high TA were also more likely to exhibit violence and substance use. CONCLUSIONS: This study exposes the importance of assessing ADT and TA simultaneously and early in childhood to prevent and manage the risk of problematic behaviors in adolescence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».