Predictor factors affecting emotional and behavioral problems in school-aged (6–12 years) children during the COVID-19 pandemic: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: The prolonged outbreak of COVID-19 has caused psychological problems in the community, especially in children. Given that limited studies have been conducted on this vulnerable group in Iran, we conducted this study to determine the predictor factors affecting emotional and behavioral problems in school-aged (6-12 years) children during the COVID-19 pandemic. METHODS: We conducted a cross-sectional study on 322 mothers of elementary school-aged children (6-12 years) from April 21 to June 21, 2021, in Karaj, Alborz, Iran. Sociodemographic checklist, socioeconomic status scale (SES), Depression, Anxiety, and Stress Scale (DASS-21), Corona Disease Anxiety Scale (CDAS), and the Rutter Children's Behavior Questionnaire (RCBQ) were used to evaluate the children's behavioral symptoms, the mental health of their mothers, and sociodemographic factors. RESULTS: In total, 17.7% of children (male = 27.0%, female = 11.7%) had behavioral problems. Results showed income (p-value = 0.007, 95%CI (-3.85- -0.607)), and physical activity of the child (p-value = 0.026, 95%CI (-1.03- -0.067)), were indirectly associated with children's behavioral symptoms. Having underlying disease (p-value = 0.00, 95%CI (1.712-5.949)), breastfeeding (p-value = 0.027, 95%CI (0.335-5.61)), corona-related anxiety (p-value = 0.00, 95%CI (0.158-0.318)), and DASS score (p-value = 0.00, 95%CI (0.149-0.334)) in the mothers, as well as male gender (p-value = 0.003, 95%CI (0.724-3.471)) were directly associated with children's behavioral symptoms. The most factors involved in the behavioral symptom score of children were corona-related anxiety (β = .298), DASS (β = 0.273), underlying disease of mothers (β = 0.163), income (β = -0.154), child's gender (β = 0.142) and physical activity (β = -0.101), and breastfeeding (β = 0.099) respectively. CONCLUSION: Study findings showed that some factors affect the emotional and behavioral problems of school-aged (6-12 years) children during the COVID-19 pandemic. These data may help future researchers and policymakers with early intervention.
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 | 0,000 | 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 | 0,001 |
| 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 ».