Identification of Determinants of Resilience in Children Using Administrative Health, Social, Justice and Education Data
Notice bibliographique
Résumé
IntroductionResilience is a key factor in healthy development of children who have experienced adversity in early life. Current methods of assessment involve using questionnaires - few of which are appropriate for young children, most are time consuming and rely on parent recall, thereby introducing bias. Additionally, widespread implementation of these would be costly, making population-level assessment of resilience impractical. The current study will leverage multi-sector, linkable, whole-population data from health, education, justice and social services to explore alternative ways to assess resilience in children.
 Objectives and ApproachThe purpose of this study is to identify factors in administrative data that emerge as significant determinants of resilience, demonstrated by children who experience adversity in early life but develop normally. Children born in Manitoba between 2000-2012 will be included. Adversity will be identified as families receiving income assistance, and/or the presence of adverse childhood experiences (ACEs) in linked databases such as Justice (incarcerated parent) and Health (parent with mental or substance use disorder). Development will be measured using the Early Development Instrument (EDI). EDI outcomes will be assessed according to severity and frequency of adversity. Pre-identified covariates that map onto sub-constructs of resilience will be assessed using multivariable linear regression to determine whether they are associated with higher EDI scores in the context of adversity.
 ResultsThe identification of administrative data variables associated with resilience in children will serve as a valuable tool for population-level assessment of resilience among children who experience adversity at young ages.
 Conclusion / ImplicationsWhile complete eradication of childhood adversity is unlikely, the continued development of programs and policies that build resilience in children is crucial. The results of this study will provide a means for population-level evaluation of such programs and policies, ultimately improving evidence for policy and decision-makers in the area of child development.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».