MétaCan
Menu
Retour à la cohorte
Enregistrement W2081545608 · doi:10.1080/0886571x.2010.520634

Development of a Model for Predicting Running Away from Residential Treatment Among Children and Adolescents

2010· article· en· W2081545608 sur OpenAlexaff
Anna McIntosh, John S. Lyons, Dana Weiner, Neil Jordan

Notice bibliographique

RevueResidential Treatment for Children & Youth · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAttendancePredictive powerMental healthPsychological interventionJuvenile delinquencyPsychologyResidential careSubstance abuseGerontologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

The effectiveness of mental health care services is severely limited when young people run away from residential treatment. This study describes the development of a decision support model for predicting discharge due to running away on the basis of individual characteristics. Subjects include 667 wards of a large Midwestern state between the ages of 7 and 20 who were placed in residential treatment and discharged during 2007. A model combining eight predictors—namely School Attendance, History of Running/Runaway Ideation, and linear as well as quadratic terms for Age, Substance Abuse and Delinquency—demonstrated good internal validity and moderate predictive power for discharge due to elopement. Results of this study can support mental health care workers in identifying potential recipients of interventions that reduce the likelihood of premature exits from residential care among young people.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,358
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResidential Treatment for Children & YouthMême sujetHomelessness and Social IssuesTravaux en français237 207