Adapting the personality‐targeted<i><scp>P</scp>reventure</i>program to prevent substance use and associated harms among high‐risk<scp>A</scp>ustralian adolescents
Notice bibliographique
Résumé
AIM: Substance use among adolescents is of significant concern and the need for preventive interventions is clear. Although universal prevention programs have shown to reduce substance use among Australian adolescents, no effective selective program has been developed for high-risk youth in Australia. Preventure is a personality-targeted intervention that has shown to be effective in the UK and Canada and is yet to be trialled in Australia. Before doing so, it is necessary to ensure the content is relevant for the Australian setting. This study reports data collected to update and adapt the UK-based Preventure program for use in Australia. METHODS: Eight focus groups were conducted with 69 students from three secondary schools in Sydney, Australia. Students who screened high risk for early-onset substance misuse were invited to participate in focus groups specific to their personality profile and provide feedback. Written feedback was also obtained from 12 teachers and health professionals. RESULTS: Students, teachers and experts recommended specific changes to the content, language, scenarios and graphics of the Preventure manuals. The majority of teachers and experts believed that the educational content of the program was appropriate for students and that it would be effective in reducing substance use in this population. CONCLUSIONS: The information obtained in the current study was used to update the Preventure program for use with Australian adolescents. It is expected that this modified Preventure program will demonstrate similar effects in reducing alcohol and drug use among high-risk youth in Australia, as it did in the UK and Canada.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».