MétaCan
Menu
Retour à la cohorte
Enregistrement W2138799000

Prevalence of Psychological Problems Amongst Iranian Immigrant Children and Adolescents In UK

2006· article· en· W2138799000 sur OpenAlexaff
Mohammad Reza Mohammadi, Éric Fombonne, Eric Taylor

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensMcGill UniversityMontreal Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésImmigrationPsychologyDevelopmental psychologyClinical psychologyGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objective: This study was designed to estimate prevalence rates of psychological problems in immigrant Iranian children in the UK and to evaluate the associated characteristics. Methods: A group of 244 children and adolescents, 111 boys and 133 girls between the ages 6 to 15 was selected. The children were categorised into groups with different psychological problems by their teachers on the Teacher’s Report Form (TRF). Also, the parents and The children completed the Child Behaviour Checklist (CBCL) and the Youth Self-Report (YSR) for the ages 11 to 15 years, respectively. Results: Two-way ANOVAs using gender and age groups as factors showed that there were significant effects of gender in these subscales. Attention problems (p<0.001), delinquent behaviour (p<0.001), aggressive behaviour (p<0.01), externalising (p<0.001) and total problems (p<0.02). Two-way ANOVAs using age-group and gender as factors showed that there were no significant effects of age in the eight subscales of the CBCL; although a trend toward significance was observed for the withdrawn subscale. The interactions between gender and age for all subscales were not significant. Conclusion: The results show that the level of psychological problems in this group is as high as their counterparts in Iran and Achenbach's US normative samples, if not higher. This might result from immigration stressors and the pressure of bilingual education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,125
Tête enseignante GPT0,513
Écart entre enseignants0,388 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetMigration, Health and TraumaTravaux en français237 207