Parental adverse childhood experiences and offspring neurobehavioral functioning
Notice bibliographique
Résumé
Abstract Background Mental health conditions in children include diagnoses and transdiagnostic characteristics A variety of factors such as child exposure to violence and neglect contribute to mental health conditions in children. However, less is known about how parental exposure to adverse childhood experiences (ACEs), such as domestic violence, neglect, and abuse, impacts their children. We aim to systematically synthesize available data on the association of parental ACEs with child mental health characteristics. Methods We conducted a systematic review and meta-analysis using searches across MEDLINE, Embase, CINAHL, APA PsycInfo, Scopus, and SciELO. Studies published up to September 2024 were included if they examined parental ACEs in relation to children's mental health. Meta-analyses used random effects models, conducted in STATA. Results The search yielded 6,270 articles (after removing duplicates), with 173 full-text reviewed, and 52 meeting inclusion criteria. Samples sizes ranged from 50 to 8,473 parent-child dyads (M = 764.89, SD = 1,446.95); median child age was 36 months at the time of outcome assessment. Studies were mainly from the U.S. and Canada. Parental ACEs were significantly associated with child mental health conditions (Beta: 0.01, 95% CI: 0.03, 0.05), particularly child behavioral dysregulation (Beta: 0.22, 95% CI 0.16, 0.28) and socio-emotional difficulties (Beta: 0.16, 95% CI: 0.00, 0.31). Parental ACEs were also linked to reduced child emotion regulation (Beta -0.07, 95% CI: -0.14, 0.00), and reduced child executive function (Beta -0.02, 95% CI: -0.06, 0.02). Conclusions Parental ACEs are associated with various offspring mental health conditions. Child mental health characteristics should be investigated with a transdiagnostic perspective focusing on transdiagnostic child mental health characteristics beyond diagnoses. More international studies investigating the association of parental ACEs on offspring's mental health conditions are needed.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».