Screen exposure, sleep quality, and language development in 6-month-old infants
Notice bibliographique
Résumé
Introduction Screen time can have important ramifications for children's development and health. Children exposed to greater screen time score lower on assessments of language development and tend to sleep less. However, most studies examining associations among screen time, language development, and sleep quality have focused on older children and/or have relied on subjective assessments of screen time exposure (i.e., parent report). The current study examined whether screen exposure, assessed via both maternal-report questionnaires and in-home audio recordings, was associated with differences in language development and sleep quality in infants at ~6 months of age ( N = 187). Methods Mothers completed questionnaires to assess infant screen exposure, language production, and sleep quality, as well as family socioeconomic and demographic factors. The Language Environment Analysis (LENA) recorder was used to measure home screen use and the language environment. Results Higher family income and higher maternal education were associated with less infant screen time, as assessed by both maternal report and in-home LENA recordings. Neither measure of infant screen exposure was significantly associated with the home language environment, maternally-reported infant language production, or infant sleep quality. Maternally-reported screen exposure showed a small but significant positive correlation with LENA-derived screen exposure. Discussion We find no detectable association between screen exposure and differences in maternally reported language development or sleep quality in the first 6 months of life. Future studies will be needed to examine associations among screen time and subsequent infant development and health outcomes.
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 | 0,001 | 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 ».