MétaCan
Menu
Retour à la cohorte
Enregistrement W2605433059 · doi:10.23889/ijpds.v1i1.140

Using Linked Administrative Data to Examine the Educational Outcomes of Children in Care in Manitoba

2017· article· en· W2605433059 sur OpenAlexaffabout
Marni Brownell, Mariette Chartier, Wendy Au, Leonard MacWilliam

Notice bibliographique

RevueInternational Journal for Population Data Science · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Welfare and Adoption
Établissements canadiensUniversity of ManitobaManitoba Health
Organismes subventionnairesnon disponible
Mots-clésReceiptWelfareMedicinePopulationFamily incomeHealth careFamily medicineMultivariate analysisPediatricsDemographyNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

ABSTRACT
 ObjectivesManitoba has one of the highest rates of children in out-of-home care in the world. Our aims were to: 1) describe characteristics of children in care; 2) determine differences in educational outcomes for children in care, children receiving in-home protection services and children not involved with child welfare; and, 3) identify factors contributing to educational success for children in care.
 ApproachPopulation-level administrative data from the Population Health Research Data Repository at the Manitoba Centre for Health Policy, were used. Several data sources were linked together at an individual level: child welfare services (e.g., in care, in-home services; hospital birth records (e.g., birth weight, gestational age); health status (e.g., from hospitalizations, physician visits); family risk factors (e.g., maternal prenatal smoking and/or drinking, maternal education); family characteristics (e.g., number of children in family, receipt of income assistance); education assessments at kindergarten, grades 3, 7, 8, 9 and 12. Children in care from 1998 onward were included. Number of children analyzed differed depending on the educational outcome examined: e.g., analyses at kindergarten include 1,893 children in care, 4,229 children receiving in-home services, and 32,280 children not involved with child welfare services; for high school completion these numbers were 11,234, 40,671, and 162,265 respectively. Multivariate regressions identified characteristics associated with educational outcomes for children in care.
 ResultsOver one-third of children in care first entered care as infants, and of those, close to half were apprehended at birth. 5.5% of children in Manitoba spent some time in care before their 15th birthday, with an almost tenfold difference for Indigenous (16.6%) and non-Indigenous (1.7%) children. Across the range of educational outcomes, children in care did more poorly than children receiving in-home services, who in turn did more poorly than children with no child welfare involvement. For example, only 33.4% of children in care completed high school compared to 66.8% of children receiving in-home services and 89.3% of children with no child welfare involvement. Adjusting covariates reduced differences but all remained statistically significant. Factors associated with positive outcomes for children in care differed depending on the outcome and included measures like poverty (at Kindergarten, p<0.05; at high school, p<0.0001) and total number of care placements (at Kindergarten, p<0.05; at grade 9, p<0.01).
 ConclusionsChildren in care are at risk of experiencing poor educational outcomes, from school entry onwards. Identifying factors associated with educational success for children in care can inform policy and program development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,065
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,003
Science ouverte0,0050,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,311
Tête enseignante GPT0,515
Écart entre enseignants0,204 · 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 tête enseignante, 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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetChild Welfare and AdoptionTravaux en français237 207