A network analysis of intolerance of uncertainty, screen time, and emotional problems in chinese children with autism spectrum disorder
Notice bibliographique
Résumé
Objectives Emotional problems are common in children with autism spectrum disorder (ASD) and can place a heavy burden on children and their families. This study explored the relationships between intolerance of uncertainty (IU), screen time, and emotional problems in children with ASD and neurotypical (NT) children using network analysis methods.Methods This cross-sectional study involved 767 children, including 365 with ASD (agemean ± sd = 11.60 ± 3.92) and 402 NT children (agemean ± sd = 11.11 ± 4.04). Participants completed measurements of IU, screen time, and emotional problems. Networks were constructed using Gaussian graphical models.Results In the IU -Emotional Problems (IU-EP) network, EP4 (Nervousness in new situations) and EP2 (Excessive worrying) were bridge nodes in both groups; IU6 (Cannot stand sudden events) was the unique bridge node for children with ASD, while IU11 (Worry stops him/her) was for NT children. After incorporating screen time into the IU-EP network, it was found that PST (Passive screen time) became a new bridge node in the ASD network, while AST (Active screen time) emerged as a new bridge node in the NT network.Conclusion These findings suggest that interventions should target IU and consider screen type to effectively support children’s emotional well-being.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».