MétaCan
Menu
Retour à la cohorte
Enregistrement W2890714551 · doi:10.23889/ijpds.v3i4.931

Cross-sector service use among youth and young adults involved in the Alberta provincial justice system

2018· article· en· W2890714551 sur OpenAlexaffabout
Xinjie Cui, Christine Werk

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensGovernment of Alberta
Organismes subventionnairesnon disponible
Mots-clésEconomic JusticeCriminal justiceService (business)Mental healthBusinessPsychologyEconomic growthPolitical scienceCriminologyPsychiatryEconomicsMarketing

Résumé

récupéré en direct d'OpenAlex

IntroductionYouth and young adults who are involved in justice and correctional system often have complex service needs and experience poor health and social outcomes. To improve outcomes for these young Albertans, it is important to understand their characteristics and service utilization patterns across health and social areas. Objectives and ApproachThe current analysis provides cross-sector service use information on Alberta youth and young adults aged 12 to 25 who were involved in the criminal justice system from 2005 to 2011. Administrative data linked data across multiple Alberta provincial ministries were used for the analysis. These included over 20 programs and services in areas such as health, education, child intervention, disability supports, income support, and justice and corrections. ResultsOffence types and court outcomes varied by social-demographic characteristics such as age, sex, social economic status, and residential mobility. Elevated mental health and high cost health services use was observed among youth involved in the criminal justice system. Access of social programs such as Child Invention service, Child Support services, Income Support and disability support services was more prevalent among youth and young adults who were involved in the justice system. A higher number of offences was associated with worse education and health outcomes. Conclusion/ImplicationsCross-sector data linkage and analysis offer a unique opportunity for better understanding of clients/patients and services/programs at the broad system level. Knowledge gained through linked data can inform cross-ministry policies and integration of services.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,020
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,537
Tête enseignante GPT0,614
Écart entre enseignants0,077 · 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'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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetHealth Policy Implementation ScienceTravaux en français237 207