MétaCan
Menu
Retour à la cohorte
Enregistrement W4400553268 · doi:10.1186/s12889-024-19382-0

Maternal distress, parenting stress, maladaptive parenting and children’s problematic media use in China: evidence from 2022 spring in Shanghai

2024· article· en· W4400553268 sur OpenAlexaff
Jingyao Wang, Shumin Wang, Bowen Xiao, Juan Li, Yuemin Feng, Yan Li

Notice bibliographique

RevueBMC Public Health · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMediationMental healthDistressBiostatisticsScreen timeMedicineClinical psychologyDevelopmental psychologyPublic healthPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract The COVID-19 lockdown has forced young children to spend more time on media and significantly impacted their mothers’ mental health. This study explored how mothers’ individual distress influences children’s problematic media use during the Shanghai citywide lockdown caused by COVID-19. Data were collected from 1889 Chinese mothers ( M age = 34.69 years, SD = 3.94 years) with preschoolers aged 3–6 years ( M ag e = 4.38 years, SD = 1.06 years; 49.0% boys) via an online survey. The statistical analyses relied on SPSS Statistics version 26.0 and macro-program PROCESS 3.3. to investigate the associations and mediation analysis among all the study variables. The results indicated a positive association between maternal distress and children’s problematic media use, mediated by parenting stress and maladaptive parenting. Specifically, the serial mediation analysis revealed that high levels of maternal distress exacerbate parenting stress, which in turn leads to maladaptive parenting practices. These maladaptive practices subsequently increase problematic media use in preschool children. The findings highlighted that parents need to enhance their ability to manage risk and promote mental health during periods of significant stress and routine disruption to reduce children’s problematic media use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,941

Scores Codex et Gemma par catégorie

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

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 Opus0,056
Tête enseignante GPT0,309
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetChild Development and Digital TechnologyTravaux en français237 207