MétaCan
Menu
Retour à la cohorte
Enregistrement W3115591708 · doi:10.2196/23960

Developmental Assets of Adolescents and Young Adults With Chronic Illness and Comorbid Depression: Qualitative Study Using YouTube

2020· article· en· W3115591708 sur OpenAlexvenueno aff
Katherine Zheng, Maureen George, Eugene C. Roehlkepartain, John Santelli, Jean‐Marie Bruzzese, Arlene Smaldone

Notice bibliographique

RevueJMIR Mental Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institute of Nursing Research
Mots-clésPsychologyDepression (economics)Competence (human resources)PopulationDevelopmental psychologyClinical psychologyPsychiatryMedicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Developmental assets provide a framework for optimizing development among adolescents but have not been studied in adolescents with chronic illness and comorbid depression, which is a group at risk for poor health outcomes. YouTube postings provide valuable insights to understand this understudied population. OBJECTIVE: This study aims to explore asset development from the perspectives of adolescents and young adults (AYAs) with chronic illness and comorbid depression. METHODS: YouTube was searched using 12 chronic illnesses (eg, diabetes) coupled with "depression" as keywords. Videos were included if they were uploaded by AYAs aged between 11 and 29 years and discussed living with chronic illness and depression during adolescence. Video transcripts were coded deductively for 40 internal and external assets that constitute the Developmental Assets Framework. Categories not captured by deductive coding were identified using conventional content analysis. Categories and their respective assets were labeled as being discussed either negatively or positively. RESULTS: In total, 31 videos from 16 AYAs met the inclusion criteria. A total of 7 asset categories, support, constructive use of time, boundaries and expectations (external assets), identity, commitment to learning, positive values, and social competence (internal assets), reflecting 25 (13 internal; 12 external) assets, were discussed. Internal assets, particularly relating to identity, were commonly discussed by AYAs either in a negative way or fluctuated between positive and negative perspectives. CONCLUSIONS: In this sample of AYAs with chronic illness and comorbid depression, internal assets were commonly discussed in a negative way. Future research is needed to better understand how assets develop and if the Developmental Assets Framework adequately represents the experiences of this population.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
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 Opus0,041
Tête enseignante GPT0,389
Écart entre enseignants0,348 · 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'étudeQualitatif
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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207