Influences on help-seeking decisions for behavioral child sleep problems: Why parents do and do not seek help
Notice bibliographique
Résumé
OBJECTIVES: Behavioral sleep problems affect 25% of children and impact functioning, but little is known about help-seeking for these problems. We identified (1) predictors for sleep problem perception and help-seeking, using nested-logit regression and (2) reasons why parents did not seek professional help for sleep problems, using chi-square. METHODS: = 407) of children (2-10-years-old) completed the study online. Parents indicated whether their child had no sleep problem, a mild problem, or a moderate-to-severe problem and completed additional questionnaires on parent/child functioning. RESULTS: Overall, 5.4% ± 2.2% of parents sought professional help for a child sleep problem. Greater child sleep problem severity and greater child socioemotional problems were significant predictors of parents perceiving a sleep problem. Among parents who perceived a sleep problem, greater parental socioemotional problems significantly predicted professional help-seeking. Parents who perceived no problem or a mild sleep problem reported not needing professional help as the main reason for not seeking help; parents who perceived a moderate-to-severe problem reported logistic barriers most often (e.g. treatment unavailability, cost). CONCLUSIONS: Problem perception and help-seeking predictors resemble the children's mental health literature. Differences in barriers, based on problem severity, suggest differential help-seeking interventions are needed (e.g. education vs access).
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».