MétaCan
Menu
Retour à la cohorte
Enregistrement W3008846075 · doi:10.1002/jclp.22946

Collaborative Problem Solving reduces children's emotional and behavioral difficulties and parenting stress: Two key mechanisms

2020· article· en· W3008846075 sur OpenAlexaff
Georgina Heath, Chris Fife‐Schaw, Lu Wang, Christopher J. Eddy, Michael Hone, Alisha R. Pollastri

Notice bibliographique

RevueJournal of Clinical Psychology · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueProblem Solving Skills Development
Établissements canadiensMental Health Research Canada
Organismes subventionnairesnon disponible
Mots-clésEmpathyPsychologyFidelityIntervention (counseling)Developmental psychologyAdaptive functioningClinical psychologyExecutive functionsCognitionPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This study aimed to evaluate the effectiveness of the Collaborative Problem Solving (CPS) approach in home-based family therapy and to explore two hypothesized mechanisms of change. METHOD: Sixty-seven families with children aged 3-12 years old completed a 12-week home-based CPS treatment program. Parent-report measures were completed pre- and post-intervention, including measures on parents' fidelity of using CPS, parents' empathy, children's executive functioning, children's behavioral difficulties, and parenting stress. RESULTS: There were significant reductions in children's behavioral difficulties and parenting stress, and significant improvements in children's executive functioning and parents' empathy. These improvements were greatest for parents who had the greatest fidelity to CPS. Improvements in children's executive functioning and parents' empathy mediated the relationship between parents' CPS fidelity and outcomes. CONCLUSIONS: These results provide evidence that home-based family treatment with CPS may achieve positive child and family outcomes by building children's executive function skills and improving parents' empathy.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,130
Tête enseignante GPT0,511
Écart entre enseignants0,381 · 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'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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical PsychologyMême sujetProblem Solving Skills DevelopmentTravaux en français237 207