P factor in children with chronic physical illness
Notice bibliographique
Résumé
BACKGROUND: The p factor represents the overall liability for the development of mental illness. While evidence supporting the p factor in adults has been reported, studies in children are fewer, and none have examined the p factor in children with chronic physical illness (CPI). OBJECTIVE: We aimed to model the p factor in a longitudinal sample of children with CPI using a parent-reported checklist and examine its construct validity against a structured diagnostic interview. METHODS: We used data from 263 children aged 2-16 years diagnosed with a CPI who were enrolled in the Multimorbidity in Children and Youth across the Life-course (MY LIFE) study. The p factor was modelled using the Emotional Behavioural Scales over 24 months using confirmatory factor analysis. Validation of the p factor was set against the Mini International Neuropsychiatric Interview for Children and Adolescents. RESULTS: = 9.66(4), p = 0.047]. p factor scores were correlated with the number of different mental illness diagnoses (r = 0.71) and total number of diagnoses (r = 0.72). Dose-response relationships were shown for the number of different diagnoses (p < 0.001) and total number of diagnoses (p < 0.001). CONCLUSION: In this first study of the p factor in children with CPI, we showed evidence of its bi-factor structure and associations with mental illness diagnoses. Mental comorbidity in children with CPI is pervasive and warrants transdiagnostic approaches to integrated pediatric care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».