Social gradients in ADHD by household income and maternal education exposure during early childhood: Findings from birth cohort studies across six countries
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to examine social gradients in ADHD during late childhood (age 9-11 years) using absolute and relative relationships with socioeconomic status exposure (household income, maternal education) during early childhood (<5 years) in seven cohorts from six industrialised countries (UK, Australia, Canada, The Netherlands, USA, Sweden). METHODS: Secondary analyses were conducted for each birth cohort. Risk ratios, pooled risk estimates, and absolute inequality, measured by the Slope Index of Inequality (SII), were estimated to quantify social gradients in ADHD during late childhood by household income and maternal education measured during early childhood. Estimates were adjusted for child sex, mother age at birth, mother ethnicity, and multiple births. FINDINGS: All cohorts demonstrated social gradients by household income and maternal education in early childhood, except for maternal education in Quebec. Pooled risk estimates, relating to 44,925 children, yielded expected gradients (income: low 1.83(CI 1.38,2.41), middle 1.42(1.13,1.79), high (reference); maternal education: low 2.13(1.39,3.25), middle 1.42(1.13,1.79)). Estimates of absolute inequality using SII showed that the largest differences in ADHD prevalence between the highest and lowest levels of maternal education were observed in Australia (4% lower) and Sweden (3% lower); for household income, the largest differences were observed in Quebec (6% lower) and Canada (all provinces: 5% lower). CONCLUSION: Findings indicate that children in families with high household income or maternal education are less likely to have ADHD at age 9-11. Absolute inequality, in combination with relative inequality, provides a more complete account of the socioeconomic status and ADHD relationship in different high-income countries. While the study design precludes causal inference, the linear relation between early childhood social circumstances and later ADHD suggests a potential role for policies that promote high levels of education, especially among women, and adequate levels of household income over children's early years in reducing risk of later ADHD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».