Äidin aleksitymian yhteys lapsella esiintyviin autismikirjon piirteisiin
Bibliographic record
Abstract
Opinnäytetyön tarkoituksena oli selvittää äidin aleksityymisten piirteiden ja lapsen autismikirjon \npiirteiden yhteyttä toisiinsa. Aleksitymialla tarkoitetaan persoonallisuuden piirteistöä, jolle tyypillistä \non tunteiden tunnistamisen ja kuvailemisen vaikeus sekä ulkokohtainen ajattelutapa. Sen esiintyvyys \nväestössä on noin 10 %. Piirteistöllä on yhteys mielenterveyden häiriöihin ja somaattisiin sairauksiin. \nAutismikirjon häiriöt ovat jo varhaislapsuudessa alkavia eri asteisia kehityksellisiä häiriöitä, joissa \nvaikeuksia ilmenee sosiaalisessa vuorovaikutuksessa ja kommunikaatiossa. Lisäksi tyypillisiä ovat \nrajoittuneet mielenkiinnonkohteet ja toistava käyttäytyminen. Autismikirjon häiriöiden esiintyvyys \nväestössä on alle 1 %, ja noin puolella autismiin liittyy älyllinen kehitysvamma. Autismikirjolla \nolevista noin puolella on aleksitymiaa, minkä arvioidaan osaltaan selittävän autismin yhteydessä \nesiintyviä tunteiden ja ilmeiden tunnistamisen ongelmia sekä psyykkisiä oireita. Myös autismikirjon \nlasten vanhemmilla on tutkimuksissa havaittu esiintyvän aleksityymisiä piirteitä. \n \nAleksitymian mittaamiseen käytettiin 20-kohtaista Toronto Alexithymia Scale (TAS-20) - \nitsearviointikyselyä. Autismikirjon piirteiden mittaamisessa hyödynnettiin Brief Infant-Toddler Social \nand Emotional Assessment (BITSEA) -mittaria, ja siitä muodostettavaa erillistä autismipistemäärää. \nAineistona tutkimuksessa käytettiin FinnBrain-tutkimushankkeessa 12/2011–4/2015 kerättyä aineistoa \nTurussa, sen ympäryskunnissa ja Ahvenanmaalla asuvista perheistä. Tutkimuksessa tarkasteltiin \nniiden äitien tietoja, joista oli käytettävissä TAS-20-mittaus puolen vuoden kuluttua synnytyksestä ja \nBITSEA-mittaus lapsen ollessa 2-vuotias (n=1268). Analyysit vakioitiin äidin masennus- ja \nahdistuneisuusoireilla. Taustamuuttujina huomioitiin äidin ikä, pariteetti, koulutus- ja tulotaso, \nraskausviikot synnytyshetkellä sekä lapsen sukupuoli. Keskeisenä tilastollisena menetelmänä \ntutkimuksessa käytettiin regressioanalyysiä, jonka avulla arvioitiin TAS-20-pistemäärän \nmerkitsevyyttä BITSEA-mittarin autismipisteiden itsenäisenä selittäjänä. \n \nTutkimuksessa havaittiin äidin korkeiden TAS-20-pisteiden olevan yhteydessä lapsen korkeisiin \nBITSEA-mittarin autismipisteisiin. Tulokset viittaavat siihen, että äidin aleksityymiset piirteet ovat \nyhteydessä lapsen voimakkaampiin autismikirjon piirteisiin. Löydökset tukevat aiempia \ntutkimustuloksia aleksitymian suuremmasta esiintyvyydestä autismikirjon lasten vanhemmilla, ja \nvahvistavat teoriaa laajemman autismikirjon ilmiasun olemassaolosta. Ilmiön syy-yhteys on kuitenkin \nvielä epäselvä, ja tulevaisuudessa tarvitaankin tarkempia pitkittäistutkimuksia asian selvittämiseksi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.003 |
| Meta-epidemiology (broad) | 0.003 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.005 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.427 | 0.043 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".