Callous-Unemotional Traits and Face-Emotion Recognition as Mediators in Conduct Problems of Children With ADHD
Notice bibliographique
Résumé
BACKGROUND: Attention-deficit/hyperactivity disorder (ADHD) is associated with increased risk for conduct problems (CP), as well as with callous-unemotional traits (CUt) and lower accuracy in face emotional recognition (FER). It is unclear, however, whether CUt and low accuracy in FER contribute to the risk for CP in ADHD. The present study investigated the possibility of such contribution. METHODS: This pilot study's participants included 31 children aged 7-17 years, diagnosed with ADHD, and treated in a psychiatric outpatient clinic. The parents rated their children on the ADHD Rating Scale, Inventory of Callous-Unemotional Traits, and the Child Behavior Checklist-Conduct Problems scale. Participants completed the Hebrew version of the children's Reading the Mind in the Eyes Test (cRMET)-a Theory of Mind measure. A bootstrapped multiple mediator model was used, adjusting for age and gender. RESULTS: ADHD symptoms were associated with CP. This association was not mediated by CUt or cRMET. CUt was associated with CP independent of ADHD symptom severity. CONCLUSIONS: ADHD symptoms and CUt both should be considered when assessing risk for CP and devising a treatment plan, in children with ADHD. Current results did not confirm the hypothesis that cRMET and CUt mediate between ADHD symptoms and CP. More studies employing larger samples, longitudinal design, and other emotion recognition measures are needed.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».