Notice bibliographique
Résumé
I thank the authors for their thoughtful letter and invigorating critique of routine screening for adverse childhood experiences (ACEs). This is a rapidly developing field, and one that warrants urgent attention to ensure best practices and effective interventions. ACEs are a growing public health priority due to their high prevalence and serious sequelae in childhood and across the lifespan. The brief ‘Practical Tips for Paediatricians’ format of the initial article did not allow for an exhaustive review of the evidence of the toxic effects of ACEs, but this has been well established elsewhere (1), motivating governmental bodies and professional practice associations such as the American Academy of Pediatrics to call for ACEs screening in conjunction with other initiatives to educate and support clinicians (2). Screening is indicated for ACEs because, unlike developmental delays, ACEs typically go undetected in childhood (3,4). Pediatric ACEs screening has been shown to be feasible by clinicians and acceptable to patients (5,6). The authors state that there are “no evidenced-based interventions tied to scores on an ACEs checklist.” However, as described in the Practical Tips column and other literature (7,8), simply arriving at an aggregate ACE score is not the goal; rather, screening is intended to prompt and inform a subsequent conversation with the child/youth and their caregiver about their specific experiences and needs. This conversation then guides the “pathway to accessing evidence-based child and parent mental health interventions”.
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 | 0,024 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,017 |
| Communication savante | 0,009 | 0,022 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,041 | 0,069 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 ».