Disruption to Education During COVID-19: School Nonacademic Factors Are Associated with Children's Mental Health
Notice bibliographique
Résumé
OBJECTIVE: Few studies have examined aspects of the school environment, beyond modality, as contributors to child and youth mental health during the coronavirus pandemic. We investigated associations between nonacademic school experiences and children's mental health. METHODS: Parents of children ages 6 to 18 years completed online surveys about school experiences (November 2020) and mental health (February/March 2021). Parent-reported and child-reported school experiences (i.e., nonacademic factors) included school importance, adapting to public health measures, and school connectedness. Children's mental health symptoms of depression, anxiety, inattention, and hyperactivity were collected using standardized parent-reported measures. RESULTS: Children's (N = 1052) self-reported and parent-reported nonacademic factors were associated with mental health outcomes, after adjusting for demographics and previous mental health. Lower importance, worse adapting to school changes, and less school connectedness were associated with greater depressive symptoms ( B = -4.68, CI [-6.04, -3.67] to - 8.73 CI [-11.47, 5.99]). Lower importance and worse adapting were associated with greater anxiety symptoms ( B = - 0.83 , CI [-1.62, -0.04] to -1.04 CI [-1.60, -0.48]). Lower importance was associated with greater inattention (B = -4.75, CI [-6.60, -2.90] to -6.37, CI [-11.08, -7.50]). Lower importance and worse adapting were associated with greater hyperactivity (B = -1.86, CI [-2.96, -0.77] to -4.71, CI [-5.95, -3.01]). CONCLUSION: Schools offer learning opportunities that extend beyond curriculum content and are a primary environment where children and youth develop connections with others. These aspects of school, beyond academics, should be recognized as key correlates of child and youth mental health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».