MétaCan
Menu
Retour à la cohorte
Enregistrement W2770038858 · doi:10.2147/ppa.s145781

Transitional-aged youth perceptions of influential factors for substance-use change and treatment seeking

2017· article· en· W2770038858 sur OpenAlexaff
Anna Bowers, Kristin Cleverley, Claudia Di Clemente, Joanna Henderson

Notice bibliographique

RevuePatient Preference and Adherence · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésPerceptionMedicineSubstance abuseQualitative researchSubstance useMental healthSubstance abuse treatmentService providerClinical psychologyPsychiatryPsychologyService (business)

Résumé

récupéré en direct d'OpenAlex

There is an evident disparity between the number of youth who report experiencing problematic substance use and the number who seek treatment. To address this disparity, it is important to understand the reasons youth do and do not seek substance use treatment. Using qualitative data obtained from semistructured interviews with 31 youth aged 17-25 years presenting for treatment at a mental health hospital, the current study identifies themes in the factors that youth identify as having influenced them to seek or delay treatment. In alignment with self-determination theory, youth identified internal factors, such as wanting to better their academic, social, or financial situation, and external factors, such as familial pressure, as motivating them to seek treatment. Factors beyond those encompassed by self-determination theory were also revealed as having influenced youth decisions to seek treatment for substance abuse. These predominantly included structural factors, including satisfaction with previous treatment, accessibility of services, and availability of clinicians. These findings provide important insight for first-contact professionals and service providers looking to enhance youth motivation to seek and engage in treatment. Limitations and opportunities for future research are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,433
Tête enseignante GPT0,416
Écart entre enseignants0,017 · 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 source (Gemma direct ou Codex distillé), 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

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePatient Preference and AdherenceMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207