MétaCan
Menu
← Retour à la cohorte
Enregistrement W4378251999 · doi:10.5281/zenodo.7968480

Cognitive neuroimaging studies on poverty and socioeconomic status differences in children and families across the world: Translational insights for next decade's policy, health, and education

2023· article· en· W4378251999 sur OpenAlexaff
Shanine Kamgang, Meghan Lord, Aanchal Mishra, Amedeo D’Angiulli

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSocioeconomic statusNeuroimagingPovertyCognitionPsychologyDevelopmental psychologyEnvironmental healthEconomic growthMedicinePsychiatryEconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of this global systematic review and meta-analysis aimed to preliminarily assess: 1) whether the effects of family poverty or low SES on neurocognition as reflected by neuroimaging results are consistently found to be detrimental; 2) the strength of the effect sizes (ES). The preliminary literature search on main databases (WEB of SCIENCE; PUBMED; MEDLINE: PSYCNET; GOOGLE SCHOLAR; SCIENCEDIRECT) included 66 experimental studies and intervention studies from 1988 to 2022. Only ten (15%) were from middle or developing countries; most of the studies (85%) were conducted in Western countries. Least squares Bayesian ANOVA models, weighted by sample sizes, revealed very strong evidence that the estimated ESs were statistically heterogenous across countries. A mix of Bayesian, standard hypothesis testing (parametric and non-parametric) sets of analyses all converged to indicate unequivocally that, despite the heterogeneity across studies, high and low SES groups performed similarly in most of the behavioral tasks concurrent with neuroimaging. Except for combined fMRI+sMRI studies, which yielded very large effect sizes, the effects were generally small to intermediate with rather modest reliability in the findings. The strongest effect sizes for differences between high and low SES were found in relation to mathematical performance, language and socioemotional processes, closely followed by intermediate effects concerning attention and working memory. Differentials in resting networks, reading and executive functions generally yielded small effects. Finally, a bibliometric analysis of the surveyed literature shows that the most common interpretation of the difference between high vs low SES children is a presumed implicit brain or cognitive deficit in the latter group. We suggest these results are best understood in relation to global structural or environmental set of ecological factors beyond the individual children and families. Policies and interventions for health and education which target poor and low SES children and families which implicitly attribute an individual-level neurocognitive deficit to disadvantaged groups risk using a one-size-fits-all approach which exacerbates the issues linked with social inequality. To reach United Nations Sustainable Development Goals, we argue that there needs to be an epistemological global evidence-based transition to combat the status quo of privilege and deficit thinking.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,007
Bibliométrie0,0060,006
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,323
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetHermeneutics and Narrative Identity→Travaux en français237 207→