MétaCan
Menu
Retour à la cohorte
Enregistrement W2607070476 · doi:10.23889/ijpds.v1i1.213

Conducting Population Health Intervention Research using Linked Databases: An Evaluation of Home Visiting Programs for At-Risk Families

2017· article· en· W2607070476 sur OpenAlexaffabout
Mariette Chartier, Marni Brownell, M. M. Isaac, Dan Château, Nathan Nickel, Joykrishna Sarkar, Elaine Burland, Alan Katz

Notice bibliographique

RevueInternational Journal for Population Data Science · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensManitoba HealthUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineRelative riskIntervention (counseling)WelfarePopulationConfidence intervalHealth careFoster careFamily medicineDemographyGerontologyEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

ABSTRACTObjectiveThe objective of this population health intervention research was to determine the effectiveness in improving children’s outcomes of a provincial home visiting program for at-risk families in Manitoba, Canada. Home visiting programs have been evaluated in highly structured and supervised conditions which may provide different results than those evaluated in real-world delivery systems.
 ApproachIn this retrospective cohort study, data for 4,562 children from home visiting program families and 5,184 comparison children were linked to de-identified administrative health, social services, and education data held securely at the Manitoba Centre for Health Policy. Inverse probability of treatment weights were used to address the selection bias inherent in delivering a voluntary program. We used generalized linear modelling to calculate program effects among those exposed to the program, those unexposed and the average effect. Child outcomes examined included being taken into care of child welfare, hospitalizations for maltreatment-related injuries, and child development scores at school entry.
 ResultsThe home visiting program was associated with lower rates of children being taken into care and lower rates of hospitalization for maltreatment-related injuries. For being taken into care by child’s first birthday, the adjusted Risk Ratio (aRR) was 0.75 (95% Confidence Interval [CI]: 0.66, 0.86); for being taken into care by second birthday, aRR=0.79, (95% CI: 0.70, 0.88); and for hospitalizations for maltreatment-related injuries by third birthday, aRR=0.59 (95% CI: 0.35, 0.99). Similar program effects would be expected among comparison children if they had received the program (i.e., average treatment effect for the untreated). No differences between groups were found across five domains of child development at school entry.
 ConclusionHome visiting programs can be an effective strategy for decreasing child maltreatment at a population level. Home visiting program enhancements are necessary to improve child development scores when children enter school. Use of population-based linkable data systems provides an opportunity to evaluate interventions using large, real-world samples, adjusting for a wide range of risk factors, and examining a variety of outcomes.

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)0,022
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,623
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0220,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,000
Communication savante0,0010,005
Science ouverte0,0020,000
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 Opus0,683
Tête enseignante GPT0,618
Écart entre enseignants0,064 · 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.

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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetChild Abuse and TraumaTravaux en français237 207