Treatment Outcome of Adolescent Inpatients With Early‐Onset and Adolescent‐Onset Disruptive Behavior
Notice bibliographique
Résumé
OBJECTIVE: Unlike adolescents with adolescent-onset (AO) disruptive behavior, adolescents with early-onset (EO) disruptive behavior may not benefit from treatment. METHOD: Using Symptom Checklist (SCL-90-R) ratings at admission and discharge of adolescent inpatients with EO (n = 85) and AO (n = 60) disruptive behavior treatment outcome was determined by (a) a change in mean scores and (b) the Reliable Change Index. For a subgroup, ratings on the Satisfaction Questionnaire Residential Youth Care for Parents (n = 83) were used to verify the treatment outcome. RESULTS: Inpatients with EO disruptive behavior had a higher risk of dropout (44.4%) from treatment than the AO group (24.7%). Among the treatment completers, both onset groups reported improvements on the SCL-90-R, with 26.9% recovering and 31.7% improving. Inpatients who reported improvement were mostly rated as improved by their parents (r = .33). CONCLUSION: As EO inpatients are more likely to drop out, interventions should aim at motivating youngsters to continue treatment, particularly given the poor outcome in this group. Treatment may benefit both groups because those EO youths who stayed in treatment improved to the same extent as AO inpatients.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».