The performance of the K6 Scale in a large school sample.
Notice bibliographique
Résumé
Timely prevalence data of psychiatric morbidity among adolescents in small areas remains vital for mental health policy planning at the regional and local levels. Furthermore, effective regional policy planning also requires the measurement of psychiatric morbidity using clinically validated instruments. The K6 scale was therefore included on the 2012 administration of the Kentucky Incentives for Prevention Survey as a measure of serious emotional disturbance in the past 30 days. Principal axis and confirmatory factor analyses were performed to determine the unidimensional structure of the K6 in a school-based sample of Kentucky students (n = 108,736). The documented cutoff of 13 on the K6 was then used to screen Kentucky students for serious emotional disturbance, estimate the state prevalence, and define epidemiologic correlates. Overall, the K6 performed well, with factor analyses confirming the 1-factor solution of the K6. Based upon the established cutoff, the prevalence of serious emotional disturbance was 13.9% in Kentucky. Grade, gender, race and ethnicity, and family structure emerged as significant predictors in a multivariable logistic regression model. Substance abuse, antisocial behavior, role impairments, and peer victimization were significantly higher among students with a positive screen. These results indicate the K6 is particularly useful for inclusion in large epidemiologic surveys that have limited space and logistics that demand timely administration.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».