MétaCan
Menu
Retour à la cohorte
Enregistrement W3198225486 · doi:10.3389/fpsyt.2021.709516

An Examination of Correlates of Quality of Life in Children and Youth With Mental Health Issues

2021· article· en· W3198225486 sur OpenAlexaff
Angela Celebre, Shannon L. Stewart, Laura Theall, Natalia Lapshina

Notice bibliographique

RevueFrontiers in Psychiatry · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensChild and Family Research InstituteWestern University
Organismes subventionnairesnon disponible
Mots-clésMental healthQuality of life (healthcare)AutonomyAnhedoniaMedicineClinical psychologyPopulationPsychiatryPsychologyGerontologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Quality of life (QoL) is significantly lower in children with mental health issues compared to those who are typically developing or have physical health problems. However, little research has examined factors associated with QoL in this particularly vulnerable population. To address this limitation, 347 clinically referred children and adolescents were assessed using the interRAI Child and Youth Mental Health (ChYMH) Assessment and Self-reported Quality of Life- Child and Youth Mental Health (QoL-ChYMH). Hierarchical multiple linear regression analyses were conducted to examine QoL at the domain-specific level. Children and adolescents who experienced heightened anhedonia and depressive symptoms reported lower social QoL (e.g., family, friends and activities; p = 0.024, 0.046, respectively). Additionally, children and youth who experienced heightened depressive symptoms reported lower QoL at the individual level (e.g., autonomy, health; p = 0.000), and level of basic needs (e.g., food, safety; p = 0.013). In contrast, no mental state indicators were associated with QoL related to services (e.g., school, treatment). Due to the paucity of research examining predictors of QoL in children and youth with mental health challenges, this study contributes to the field in assisting service providers with care planning and further providing implications for practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,028
Tête enseignante GPT0,384
Écart entre enseignants0,356 · 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 tête enseignante, 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

Citations41
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychiatryMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207