MétaCan
Menu
Retour à la cohorte
Enregistrement W3104932208 · doi:10.1136/bmj.m2876

Mitigating toxic stress in children affected by conflict and displacement

2020· article· en· W3104932208 sur OpenAlexaff
Anushka Ataullahjan, Muthanna Samara, Theresa S. Betancourt, Zulfiqar A Bhutta

Notice bibliographique

RevueBMJ · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensSickKids FoundationHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésRefugeeStressorInternally displaced personDisplaced personMedicineEnvironmental healthOvercrowdingIntervention (counseling)PsychologyPsychiatryPopulationPolitical science

Résumé

récupéré en direct d'OpenAlex

Anushka Ataullahjan and colleagues describe the myriad stressors related to conflict and displacement experienced by children and how best to reduce their negative effect Armed conflict and displacement pose a threat to the health and wellbeing of children. As the global community begins to recognize the cumulative effects of conflict and displacement related stressors, our attention has shifted to toxic stress and its short and long term health effects.1 Toxic stress, regarded as the result of prolonged activation of the stress response, can occur before birth and during childhood is known to contribute to epigenetic changes, with health and neurodevelopmental consequences.2 However, various social factors and early and appropriate intervention can help mitigate the negative effects.3 Over 415 million children were living in conflict affected countries in 2018,4 including 33 million displaced children (16 million refugees and asylum seekers, and 17 million internally displaced children).5 Although all children are vulnerable to toxic stress, certain subgroups are particularly vulnerable because of their marginalization—for example, orphaned or unaccompanied children, girls, children with HIV infection, and children with developmental disorders or a disability. These groups may face additional stressors and have reduced access to services. The emergence of covid-19 has also raised concerns about spread in conflict affected populations adding to the risk of toxic stress (box 1). Box 1 ### Covid-19 in humanitarian settings Conflict affected populations are particularly vulnerable to covid-19. Overcrowding and inadequate water and sanitation systems in refugee camps and informal settlements, coupled with previously existing illnesses, may increase the spread and severity of covid-19.67 Moreover, resource and health system constraints may restrict access to adequate and appropriate care.67 Control measures such as physical distancing may be difficult and may also increase economic precarity, intimate partner violence, and food insecurity in populations already vulnerable because of … RETURN TO TEXT

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,334
Écart entre enseignants0,313 · 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
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

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetMigration, Health and TraumaTravaux en français237 207