Notice bibliographique
Résumé
Introduction: Measurements of child well-being in the military context through cross-national surveys must allow assessment of both (1) indicators for vulnerability and resilience in such children, and (2) factors leading to program success across the different NATO members. Methods: This review identifies psychometric properties (including validity, cross-cultural validation, sensitivity [SE], and specificity [SP] of each measure for various cutoffs for referral for psychiatric evaluation) as well as feasibility (cost-efficiency, time needed for filling in the questionnaire, language availability, and costs for its use). The measures included are four generic health-related quality-of-life measures (PedsQL 4.0, KIDSCREEN-52, DCGM-37, and KINDL-R) and four screening measures for mental health: the Achenbach System of Empirically Based Assessment (ASEBA), the Child Health Questionnaire (CHQ), the Pediatric Symptom Checklist (PSC), and the Strengths and Difficulties Questionnaire (SDQ). Results: High SE and SP values (0.70) for the screening instruments occurred in only 30%–55% of the studies reviewed. Cross-cultural validation and content validity are best covered by the KIDSCREEN-52, which is the dominant HRQOL instrument in Europe. The HRQOL instrument mostly used in the United States is the PedsQL. Discussion: Although there is no gold standard, the combination of a mental health screening instrument (the SDQ) with a HRQOL instrument (the KIDSCREEN-52), is recommended due to their complementary advantages on the evaluation criteria. Future comparability of items banks, such as those in the KIDSCREEN-52 and the PedsQL, is aimed for by the United States based PROMIS project.
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 | 0,048 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,009 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,010 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,028 |
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 ».