Regular, intermittent, and spontaneous: Patterns of preschool Children's nap behavior and their correlates
Notice bibliographique
Résumé
BACKGROUND: Daytime sleep during the preschool years (i.e., 1-5-years-old) is characterized by high inter-child variability in several components of nap behavior, including nap duration, nap timing, and the proportion of sleep during daytime. We used an empirical approach to examine variations amongst children in these aspects of napping and investigated correlates of these components of nap behavior. METHODS: A large, nationally representative sample (N = 702) of Canadian parents completed an online survey, including a one-month retrospective report of their 1.5-5 year old's daytime and nighttime sleep behavior and other questionnaires. To understand patterns of children's nap behaviors we applied Latent Profile Analysis (LPA) to typical nap duration, typical timing of naps, frequency of naps, proportion of sleep during the daytime, and the proportion of naps which were spontaneous (i.e., child just fell asleep). Then, multinominal logistic regression was used to examine correlates of profile membership. RESULTS: Four profiles of children emerged: (1) regular nappers; (2) intermittent nappers; (3) spontaneous nappers; and (4) non-nappers. After controlling for demographic variables (e.g., child age, sex, ethnicity) and known correlates of napping behaviors (e.g., birthweight, nighttime sleep duration), profile membership was related to parents' beliefs about napping, parents' own nap behaviors, family functioning, and child nighttime sleep problems in a multinominal logistic regression. CONCLUSIONS: An empirical approach aided in understanding the inter-child variability in napping amongst preschool-age children. Parental beliefs about napping and the home environment were shown to be critical factors influencing this variability.
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) | 0,003 | 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 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 ».