Predicting Educational Attainment Based on Forensic Psychiatric Patients' Age at First Hospitalization.
Notice bibliographique
Résumé
Education during recovery could impact a forensic psychiatric patient's community reintegration; however, individual education goals for patients can be difficult due to the lack of available parameters. The purpose of this study was to test whether age at first hospitalization is predictive of educational attainment among forensic psychiatric patients and to determine which ages of first hospitalization best predict 8 levels of educational attainment. Cattell's intelligence theory served as the theoretical framework for this study because mental illness requiring early hospitalization may affect education and learning. This quantitative, nonexperimental study involved a predictive design with data from the Canadian Institute for Health Information database. The sample of patients from 2011-2016 consisted of 16,639 diagnosed with schizophrenia or other psychotic disorder and 2,227 diagnosed with mood disorder. Multinomial logistic regression analysis indicated age at first hospitalization to be a predictor of educational attainment among both categories of diagnoses. Odds ratio analyses identified which ages of first hospitalization best predict 8 levels of educational attainment. Increased rates of education levels were indicated when age at first hospitalization increased. Patients were more likely to attain a high school diploma than drop out between 9th to 11th grade unless first hospitalized at age 14 or under. Based on the results from this study, completion of a general equivalency diploma or a life skills program may provide additional opportunities for independent living and employment, which can improve the lives of patients and those in the community. Therefore, this project can lead to social change by encouraging changes through the results and recommendations presented in a white paper.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».