The role of environmental sensitivity in the mental health of Syrian refugee children: a multi-level analysis
Notice bibliographique
Résumé
Individuals with high environmental sensitivity have nervous systems that are disproportionately receptive to both the protective and imperilling aspects of the environment, suggesting their mental health is strongly context-dependent. However, there have been few consolidated attempts to examine putative markers of sensitivity, across different levels of analysis, within a single cohort of individuals with high-priority mental health needs. Here, we examine psychological (self-report), physiological (hair hormones) and genetic (polygenic scores) markers of sensitivity in a large cohort of 1591 Syrian refugee children across two waves of data. Child-caregiver dyads were recruited from informal tented settlements in Lebanon, and completed a battery of psychological instruments at baseline and follow-up (12 months apart). Univariate and multivariate Bayesian linear mixed models were used to examine a) the interrelationships between markers of sensitivity and b) the ability of sensitivity markers to predict anxiety, depression, post-traumatic stress disorder, and externalising behaviour. Self-reported sensitivity (using the Highly Sensitive Child Scale) significantly predicted a higher burden of all forms of mental illness across both waves, however, there were no significant cross-lagged pathways. Physiological and genetic markers were not stably predictive of self-reported sensitivity, and failed to similarly predict mental health outcomes. The measurement of environmental sensitivity may have significant implications for identifying and treating mental illness, especially amongst vulnerable populations, but clinical utility is currently limited to self-report assessment.
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 | 0,001 |
| 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) | 0,000 | 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 ».