iCCareD: The Development of an Algorithm to Identify Factors Associated With Distress Among Caregivers of Children and Youth Referred for Mental Health Services
Notice bibliographique
Résumé
Caregiver well-being plays an important role in children's development and a number of factors have been found to impact distress levels among caregivers of children and youth referred for mental health services. Further, caregiver distress impacts youth psychopathology, its acuity as well as related mental health interventions. The purpose of this study was to develop and validate an algorithm for identifying caregivers who are at greatest risk of experiencing caregiver distress. This algorithm was derived from, and will be embedded in, existing comprehensive interRAI child and youth instruments. Ontario data based on the interRAI Child and Youth Mental Health assessment instruments (ChYMH and ChYMH-DD) were analyzed to identify predictors of distress among caregivers of children and youth ages 4-18 years. Starting with proactive aggression, the algorithm uses 40 assessment items to assign one of 30 nodes that are grouped into five levels of risk. The interRAI ChYMH Caregiver Distress (iCCareD) algorithm was validated using longitudinal data from mental health agencies across Ontario and was found to be a good predictor among this sample with a c-statistic of 0.71 for predicting new or ongoing caregiver distress and 65% for both sensitivity and specificity using algorithm values of 3 or greater. This algorithm provides an evidence-based decision-support tool embedded within a comprehensive assessment tool that may be used by clinicians to inform their selection of supports and services for families.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».