MétaCan
Menu
Retour à la cohorte
Enregistrement W3094047150 · doi:10.1044/2020_jslhr-20-00230

Children With Persistent Versus Transient Early Language Delay: Language, Academic, and Psychosocial Outcomes in Elementary School

2020· article· en· W3094047150 sur OpenAlexaff
Alexandra Matte-Landry, Michel Boivin, Laurence Tanguay-Garneau, Catherine Mimeau, Mara Brendgen, Frank Vitaro, Richard E. Tremblay, Ginette Dionne

Notice bibliographique

RevueJournal of Speech Language and Hearing Research · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensUniversité de MontréalUniversité du Québec à MontréalMcGill UniversityUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPsychosocialTransient (computer programming)PsychologyDevelopmental psychologyComputer sciencePsychotherapistProgramming language

Résumé

récupéré en direct d'OpenAlex

Purpose The objective of this study was to compare children with persistent versus transient preschool language delay on language, academic, and psychosocial outcomes in elementary school. Method Children with persistent language delay ( n = 30), transient language delay ( n = 29), and no language delay (controls; n = 163) were identified from a population-based sample of twins. They were compared on language skills, academic achievement, and psychosocial adjustment in kindergarten and Grades 1, 3, 4, and 6. Results Children with persistent language delay continued to show language difficulties throughout elementary school. Furthermore, they had academic difficulties, in numeracy, and psychosocial difficulties (attention-deficit/hyperactivity disorder behaviors, externalizing behaviors, peer difficulties) from Grade 1 to Grade 6. Children with transient language delay did not differ from controls on language and academic performance. However, they showed more externalizing behaviors in kindergarten and peer difficulties in Grade 1 than controls. Conclusion Difficulties at school age are widespread and enduring in those with persistent early language delay but appear specific to psychosocial adjustment in those with transient language delay.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,392
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Speech Language and Hearing ResearchMême sujetLanguage Development and DisordersTravaux en français237 207