MétaCan
Menu
Retour à la cohorte
Enregistrement W2624693888 · doi:10.1177/1087054717713639

Follow-Up of Young Adults With ADHD in the MTA: Design and Methods for Qualitative Interviews

2017· article· en· W2624693888 sur OpenAlexaff
Thomas S. Weisner, Desiree W. Murray, Peter S. Jensen, John T. Mitchell, James M. Swanson, Stephen P. Hinshaw, Karen Wells, Lily Hechtman, Brooke S. G. Molina, L. Eugene Arnold, Page Sorensen, Annamarie Stehli

Notice bibliographique

RevueJournal of Attention Disorders · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute on Drug AbuseNational Institute of Mental Health
Mots-clésPsychologyNormativeQualitative researchNarrativePsychological resilienceClinical psychologyDevelopmental psychologyPopulationSubstance useQualitative propertyAttention deficit hyperactivity disorderPsychotherapistMedicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Qualitative interviews with 183 young adults (YA) in the follow-up of the Multimodal Treatment Study of Children With and Without ADHD (MTA) provide rich information on beliefs and expectations regarding ADHD, life's turning points, medication use, and substance use (SU). METHOD: Participants from four MTA sites were sampled to include those with persistent and atypically high SU, and a local normative comparison group (LNCG). Respondents were encouraged to "tell their story" about their lives, using a semistructured conversational interview format. RESULTS: Interviews were reliably coded for interview topics. ADHD youth more often desisted from SU because of seeing others going down wrong paths due to SU. Narratives revealed very diverse accounts and explanations for SU-ADHD influences. CONCLUSION: Qualitative methods captured the perspectives of YAs regarding using substances. This information is essential for improving resilience models in drug prevention and treatment programs and for treatment development for this at-risk population.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,433
Score d'incertitude au seuil0,337

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,109
Tête enseignante GPT0,458
Écart entre enseignants0,349 · 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'étudeQualitatif
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

Citations20
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Attention DisordersMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207