Cognitive Correlates of Math Performance in School-Aged Children with Sickle Cell Disease and Silent Cerebral Infarcts
Notice bibliographique
Résumé
OBJECTIVE: Attention, processing speed, executive functioning, and math difficulties are common in youth with sickle cell disease (SCD) with silent cerebral infarcts (SCI). This study investigated the cognitive underpinnings of math difficulties in children with SCD and SCI. METHOD: Youth (n = 68) with SCD and SCI completed measures of attention [Digit Span forward (DSF); Conners Continuous Performance Test-Third Edition/Kiddie Conners Continuous Performance Test-Second Edition (CPT-3/KCPT-2)]; working memory [Wechsler Intelligence Scales (WPPSI-IV, WISC-IV, WISC-V, WAIS-IV), Working Memory Index (WMI), Digit Span backwards (DSB)]; processing speed [WPPSI-IV, WISC-IV, WISC-V, WAIS-IV Processing Speed Index (PSI)]; math reasoning [Wechsler Individual Achievement Test-Third Edition (WIAT-III) Mathematics composite (MC)]; and math fluency [WIAT-III Math Fluency composite (MF)] as part of a clinical neuropsychological evaluation. Parent ratings of attention and executive functioning were obtained [Behavior Assessment System for Children-Third Edition (BASC-3), Behavior Rating Inventory of Executive Function (BRIEF)]. RESULTS: MC was positively correlated with WMI (r = 0.59, p = 0.00), PSI (r = 0.40, p < 0.001), DSF (r = 0.29, p = 0.03), DSB (r = 0.47, p < 0.001), and MF (r = 0.71, p < 0.001). Correlations between MC, sustained attention, and parent ratings were nonsignificant. The linear regression model using correlated variables was significant [F(4,51) = 8.29, R2 = 0.39, p < 0.001]. WMI was the only significant variable within the model (p = 0.02). CONCLUSIONS: Working memory deficits account for significant variance in untimed mathematical performance in this population-consistent with other populations with white matter dysfunction. Interventions targeting both mathematics and working memory may be beneficial.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».