Lifestyle Related Risk Factors for Children’s Mental Health Problems: Exploring Sibling Influences in a Clinical Sample
Notice bibliographique
Résumé
Research has clearly linked life disruptions brought about by the COVID-19 pandemic to variation in mental health problems in children. Indeed, lifestyle behaviours that were altered during the pandemic, such as sleep patterns, screen time, and physical activity, are established predictors of mental health. That said, while many children navigate day-to-day activities and routines with siblings, there has been relatively less research examining how lifestyles and, relatedly, mental health are influenced by siblings’ activities and the quality of sibling relationships. To address this limitation, the present study examines predictors of mental health problems in a clinical sample, paying close attention to target-child and sibling physical activity, sleep, and media use, in addition to quality of the sibling relationship and household pandemic related disruption. Data come from a clinical sample of N=143 parents/caregivers with at least two children (age 8-18 years) referred to an outpatient mental health clinic between September 2020 to November 2021 in Toronto, Ontario. Prior to interventions taking place, caregivers completed self-report instruments in the following areas: COVID-19 family stressors, children’s sleep disturbance, physical activity, screentime/use of technology, mental health problems in the domains of anger, anxiety, depression and disruptive behaviour. A hierarchical regression will be utilized to examine the association linking sibling lifestyle behaviours/sibling relationship quality with target-child mental health, over-and-above the child’s own lifestyle behaviours, COVID-19 related disruption, and covariates (e.g., age, gender, race). The results of this study have implications to inform lifestyle recommendations to mitigate the risks of adverse mental health problems in the wake of COVID-19.
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 | 0,014 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,006 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».