Feasibility of a School-based Study of Health Risk Behaviors in Ethnic Fijian Female Adolescents in Fiji: The HEALTHY Fiji Study.
Notice bibliographique
Résumé
OBJECTIVE: Behavioral risk assessment is critical to developing intervention strategies to promote adolescent health, but also presents logistical, ethical, and scientific challenges. This paper reports on feasibility of a school-based study of health-risk behaviors in ethnic Fijian adolescent girls. METHODS: We assessed feasibility of school-based participation and implementation of assessment in the local vernacular language by examining observational data and by calculating response rates and as well as language selection and item completion rates. RESULTS: All invited study area schools participated (n=12). Response rates were >70% for study participation among eligible study participants in the overall sample as well as the peri-urban and rural sub-samples. The majority of respondents (71.9%) selected the local Fijian vernacular language version rather than the English version (28.1%). Although 43.6% of respondents completed a questionnaire in a language not spoken as the primary language at home, only ten respondents (1.9%) were assessed as having difficulty with the language of the self-report questionnaire. Item completion rates for the primary outcomes were >90% for both study phases and in both language versions. Study participant response rate for further assessment of concerning symptoms was also very high and teachers were successfully recruited for participation in training and accepting referrals to support these students at each participating school. CONCLUSION: School-based behavioral risk data collection in the vernacular language was feasible. Evaluation and referral of individual study participants with concerning symptoms to educators for further assistance and support also appeared feasible. We suggest that close collaboration among Fiji-based and specialty consultants to address scientific, linguistic, logistical, and ethical challenges were contributing factors to study feasibility.
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 | 0,008 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».