S'abonner

Abnormal Child Behavior in primary school students: A Bayesian network analysis - 20/12/25

Le comportement anormal de l’enfant en école primaire : une analyse par réseau bayésien

Doi : 10.1016/j.encep.2025.09.006 
Apolline C. Till a, , Teague R. Henry b, Marco Scutari c, Giovanni Briganti a, d, e
a Chair of Artificial Intelligence and Digital Medicine, Department of Neuroscience, Faculty of Medicine, University of Mons, avenue du Champ de Mars 6, 7000 Mons, Belgium 
b Department of Psychology and School of Data Science, University of Virginia, Charlottesville, VA, United States of America 
c Istituto Dalle Molle di Studi sull’Intelligenza Artificiale (IDSIA), 6900 Lugano, Switzerland 
d Département des Sciences Cliniques, Faculté de Médecine, Université de Liège, avenue Hippocrate 13, 4000 Liège, Belgium 
e Laboratoire de Psychologie Médicale, Faculté de Médecine, Université libre de Bruxelles, route de Lennik 808, 1070 Brussels, Belgium 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Saturday 20 December 2025

Abstract

The Conners Teacher Rating Scale revised: short (CTRS-R: S) is a widely used psychometric instrument to screen for Attention Deficit and Hyperactivity Disorder (ADHD) as well as a broader construct of abnormal child behavior. In this study, we aimed to examine the network structure of abnormal child behavior using the CTRS-R: S in a sample of 525 French-speaking primary school students from Belgium. We employed Bayesian network analysis to estimate both the 28-item network and the network with the 8 items with the highest strength centrality, using the PC algorithm and bootstrapping to estimate the figures. Our study uncovered associations between inattention symptoms and learning disorders, shedding new light on the complexity of abnormal child behavior. We also identified different network structures, revealing a fresh perspective on the underlying mechanisms of these conditions. Our findings, though preliminary, are consistent with previous research and add to the burgeoning literature on Bayesian network analysis in abnormal child behavior research. Overall, our study underscores the complexity of the construct of abnormal child behavior and the importance of considering multiple factors in screening and diagnosis, emphasizing the need for a comprehensive approach to understanding and treating these disorders.

Le texte complet de cet article est disponible en PDF.

Résumé

La Conners Teacher Rating Scale revised short (CTRS-R: S) est un instrument psychométrique largement utilisé pour dépister le trouble du déficit de l’attention avec ou sans hyperactivité (TDAH), ainsi qu’un construit plus large appelé comportement anormal de l’enfant. Dans cette étude, nous avions pour objectif d’examiner la structure par réseau du comportement anormal de l’enfant en utilisant la CTRS-R: S dans un échantillon de 525 élèves francophones en école primaire en Belgique. Nous avons utilisé l’analyse par réseau bayésien pour estimer à la fois le réseau à 28 items et celui aux 8 items ayant la force de centralité la plus élevée, en utilisant l’algorithme PC et la technique du bootstrap pour estimer les figures. Notre étude révèle des associations entre les symptômes d’inattention et les troubles de l’apprentissage, apportant un nouvel éclairage sur la complexité du comportement anormal de l’enfant. Nous avons également identifié différentes structures de réseaux, révélant une perspective nouvelle sur les mécanismes sous-jacents de ces conditions. Nos résultats, bien que préliminaires, sont cohérents avec les recherches précédentes et contribuent à la littérature croissante sur l’analyse par réseau bayésien dans la recherche sur les comportements anormaux chez l’enfant. Dans l’ensemble, notre étude souligne la complexité du concept de comportement anormal de l’enfant et l’importance de prendre en compte plusieurs facteurs dans le dépistage et le diagnostic, soulignant ainsi la nécessité d’une approche globale pour comprendre et traiter ces troubles.

Le texte complet de cet article est disponible en PDF.

Keywords : Network analysis, ADHD, CTRS-R: S, Psychometric scale, Bayesian network

Mots clés : Analyse par réseau, TDAH, CTRS-R: S, Échelle psychométrique, Réseau bayésien


Plan


© 2025  L'Encéphale, Paris. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.