MétaCan
Menu
Retour à la cohorte
Enregistrement W2999518331 · doi:10.1146/annurev-publhealth-040119-094230

Mental Health of Refugee Children and Youth: Epidemiology, Interventions, and Future Directions

2020· article· en· W2999518331 sur OpenAlexaff
Rochelle L. Frounfelker, Diana Miconi, Jordan Farrar, Mohamad Adam Brooks, Cécile Rousseau, Theresa S. Betancourt

Notice bibliographique

RevueAnnual Review of Public Health · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensMcGill University
Organismes subventionnairesNational Institute on Minority Health and Health Disparities
Mots-clésRefugeeMental healthPsychological interventionEpidemiologyCriminologyPoliticsIntervention (counseling)Political scienceConstructiveExtant taxonPublic relationsSociologyEconomic growthPsychologyMedicinePsychiatryLaw

Résumé

récupéré en direct d'OpenAlex

The number of refugee youth worldwide receives international attention and is a top priority in both academic and political agendas. This article adopts a critical eye in summarizing current epidemiological knowledge of refugee youth mental health as well as interventions aimed to prevent or reduce mental health problems among children and adolescents in both high- and low-to-middle-income countries. We highlight current challenges and limitations of extant literature and present potential opportunities and recommendations in refugee child psychiatric epidemiology and mental health services research for moving forward. In light of the mounting xenophobic sentiments we are presently witnessing across societies, we argue that, as a first step, all epidemiological and intervention research should advocate for social justice to guarantee the safety of and respect for the basic human rights of all refugee populations during their journey and resettlement. A constructive dialogue between scholars and policy makers is warranted.

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)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,003
Communication savante0,0040,005
Science ouverte0,0010,004
Intégrité de la recherche0,0030,004
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 Opus0,095
Tête enseignante GPT0,436
Écart entre enseignants0,342 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations155
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of Public HealthMême sujetMigration, Health and TraumaTravaux en français237 207