The Child Behavior Checklist Together with the ADHD Rating Scale Can Diagnose ADHD in Korean Community-Based Samples
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to examine the clinical validities and efficiencies of the Child Behavior Checklist (CBCL) and the ADHD Rating Scale-IV (ARS) in identifying children with attention-deficit hyperactivity disorder (ADHD) in Korean community-based samples. METHOD: A large sample of elementary school students (n = 1668) participated in this study. We used the CBCL and the ARS as the screening instruments. Diagnoses were determined by clinical psychiatric interviews and confirmed by DSM-IV-based structured interviews. RESULTS: Of the 46 subjects who underwent clinical psychiatric interviews, 33 were diagnosed as having ADHD. A T score of 60 with regard to the Attention Problems profile of the CBCL resulted in a reasonable level of sensitivity or positive predictive value in the diagnosis of ADHD. In both the parent and teacher reports of the ARS, 90th percentile cut-off points resulted in a high level of predictive value. The highest levels of specificity and positive predictive value were obtained when we combined the CBCL (T > or = 60 in Attention Problems) and the ARS (parent-teacher total > or = 90th percentile) reports. CONCLUSIONS: These findings suggest that the combined use of the CBCL and the ARS could serve as a rapid and useful clinical method of predicting or even diagnosing children with ADHD in epidemiologic case definitions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».