Does Where You Live Predict What You Say? Associations between Neighborhood Factors, Child Sleep, and Language Development
Notice bibliographique
Résumé
Language ability is strongly related to important child developmental outcomes. Family-level socioeconomic status influences child language ability; it is unclear if, and through which mechanisms, neighborhood-level factors impact child language. The current study investigated the association between neighborhood factors (deprivation and disorder) assessed before birth and child language outcomes at age 5, with sleep duration as a potential underlying pathway. Secondary analysis was conducted on data collected between 2008 and 2018 on a subsample of 2444 participants from the All Our Families cohort study (Calgary, Canada) for whom neighborhood information from pregnancy could be geocoded. Neighborhood deprivation was determined using the Vancouver Area Neighborhood Deprivation Index (VANDIX), and disorder was assessed using crime reports. Mothers reported on their children's sleep duration and language ability. Multilevel modeling indicated that greater neighborhood deprivation and disorder during pregnancy were predictive of lower scores on the Child Communication Checklist-2 (CCC-2) at 5 years. Path analyses revealed an indirect effect of neighborhood disorder on language through child sleep duration at 12 months. These results add to growing evidence that child development should be considered within the context of multiple systems. Sleep duration as an underlying link between environmental factors and child language ability warrants further study as a potential target for intervention.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».