MétaCan
Menu
Retour à la cohorte
Enregistrement W2971857585 · doi:10.1177/0093854819873019

Bridging Risk Assessments to Case Planning: Development and Evaluation of an Intervention-Planning Tool for Adolescents on Probation

2019· article· en· W2971857585 sur OpenAlexafffund
Jodi L. Viljoen, Dana M. Cochrane, Catherine S. Shaffer, Nicole M. Muir, Etta Brodersen, Billie Joe Rogers, Kevin S. Douglas, Ronald Roesch, Robert J. McMahon, Gina M. Vincent

Notice bibliographique

RevueCriminal Justice and Behavior · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensNova Scotia Health AuthoritySimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychological interventionIntervention (counseling)VignettePoison controlRisk assessmentSuicide preventionHuman factors and ergonomicsApplied psychologyPsychologyInjury preventionRisk managementPlan (archaeology)Medical educationMedicineMedical emergencyComputer scienceSocial psychologyComputer securityPsychiatryBusiness

Résumé

récupéré en direct d'OpenAlex

Even though risk assessment tools are often intended to inform case planning, they do not provide much direct guidance. As such, we developed an intervention-planning tool called the Adolescent Risk Reduction and Resilient Outcomes Work-Plan (ARROW) to accompany the Structured Assessment of Violence Risk in Youth. The ARROW includes a decision support system, guide, and training, and is one of the first tools of its kind. To evaluate the ARROW, we conducted two studies: (a) a vignette study with 178 professionals and (b) a field study with 320 propensity-score matched adolescents. Most professionals (>98%) rated the ARROW as useful. Moreover, compared with (a) unstructured plans and (b) a simple form, ARROW plans were more likely to include supported interventions, adhere to best practices, and integrate culturally tailored approaches for Indigenous adolescents. Formulations also showed improvements. However, further research is needed on strategies to bridge risk assessment and risk management.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,415

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,591
Tête enseignante GPT0,672
Écart entre enseignants0,081 · 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'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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCriminal Justice and BehaviorMême sujetHealth Policy Implementation ScienceTravaux en français237 207