Children's Mental and Behavioral Health, Schooling, Sociodemographic and Socioeconomic Characteristics During School Closure in France Due To COVID-19: The SAPRIS Project.
Notice bibliographique
Résumé
Abstract Background: COVID-19 limitation strategies have led to widespread school closures around the world. The present study reports children’s mental health and associated factors during the COVID-19 school closure in France in the spring of 2020. Methods: We conducted a cross-sectional analysis using data from the SAPRIS project set up during the COVID-19 pandemic in France. Using multinomial logistic regression models, we estimated associations between children’s mental health, children’s health behaviors, schooling, and sociodemographic and socioeconomic characteristics of the children’s families. Results: The sample consisted of 5702 children aged 8 to 9 years, including 50.2% girls. In multivariate logistic regression models, children’s sleeping difficulties were associated with children’s abnormal hyperactivity-inattention (adjusted Odds Ratio (aOR) 2.05; 95% Confidence Interval 1.70-2.47) and emotional symptoms (aOR 5.34; 95% CI 4.16-6.86). Factors specifically associated with abnormal hyperactivity/inattention were: male sex (aOR 2.29; 95% CI 1.90-2.76), access to specialized care prior to the pandemic and its suspension during school closure (aOR 1.51; 95% CI 1.21-1.88), abnormal emotional symptoms (aOR 4.06; 95% CI 3.11-5.29), being unschooled or schooled with assistance before lockdown (aOR 2.13; 95% CI 1.43-3.17), and tutoring with difficulties or absence of a tutor (aOR 3.25; 95% CI 2.64-3.99; aOR 2.47; 95% CI 1.48-4.11, respectively). Factors associated with children’s emotional symptoms were the following: being born pre-term (aOR 1.34; 95% CI 1.03-1.73), COVID-19 cases among household members (aOR 1.72; 95% CI 1.08-2.73), abnormal symptoms of hyperactivity/inattention (aOR 4.18; 95% CI 3.27-5.34) and modest income (aOR 1.45; 95% CI 1.07-1.96; aOR 1.36; 95% CI 1.01-1.84). Conclusions: Multiple characteristics were associated with elevated levels of symptoms of hyperactivity-inattention and emotional symptoms in children during the period of school closure due to COVID-19. Further studies are needed to help policymakers to balance the pros and cons of closing schools, taking into consideration the educational and psychological consequences for children.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».