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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».