Effect of an Intensive Multi-Modal Intervention for Attention-Deficit Hyperactivity Disorder (ADHD) on Equity in Children’s Health and Educational Outcomes
Notice bibliographique
Résumé
ABSTRACTObjectivesTo determine whether an intensive multi-modal ADHD intervention for children and teens resulted in improved long-term health and educational outcomes and in reduced inequity in these outcomes across the socioeconomic gradient. ApproachWe used administrative data from the healthcare and education sectors in the Population Health Data Repository at the Manitoba Centre for Health Policy. We identified children and teens aged 5-17 who had 3+ visits to the ADHD intervention program between 2007 and 2012. A matched control group was constructed, and confounders were controlled using inverse probability of treatment weights. We examined rates of hospital episodes, emergency department visits, psychostimulant use and adherence, contact with child and family services, and whether the children were in the school grade appropriate to their age. We calculated concentration indices to measure changes in inequity. ResultsThere were 485 children in the ADHD intervention group and 1,884 controls. Children who received the intervention were more likely to be prescribed medication (patients with 1+ prescription(s), rate ratio [RR] 1.21, 95% CI 1.08-1.36) and be adherent to their medication (RR 1.42, 95% CI 1.03-1.96). They were also more likely to be in their age-appropriate grade (RR 1.33, 95% CI 1.09-1.63) compared to controls. Moreover, the intervention was associated with reduced inequity in these outcomes across income deciles. No difference in the rates of hospital episodes or emergency department visits was found, nor in rates of contact with child and family services. ConclusionsA multi-modal ADHD intervention program was associated with increased use and adherence to medication, and may boost academic achievement for vulnerable children and teens. It contributed to closing the equity gap between children from low- and high-income families. ADHD interventions that combine approaches may be more effective than medication alone.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».