High School Mental Health Survey: Assessment of a Mental Health Screen
Notice bibliographique
Résumé
OBJECTIVE: To estimate the size of the population in need of psychiatric diagnostic assessment, based on the 12-month period prevalence of child and adolescent psychiatric disorders in one local high school, and to evaluate the validity of the Diagnostic Interview Schedule for Children Predictive Scales 8 (DPS-8) screen against the National Institute of Mental Health-Diagnostic Interview Schedule for Children-IV (NIMH-DISC-IV) for any diagnosis. METHOD: This 2-stage cross-sectional study included high school students aged 13 to 19 years. In the first stage, we administered the DPS-8 screen. In the second stage, we used the NIMH-DISC-IV. Prevalence and validity were estimated using the Bayesian formula owing to the unequal subsample fractions in the second stage. RESULTS: A total of 222 students participated in the first stage Screen. Of these, 153 completed the second stage NIMH-DISC-IV. In this sample, the prevalence for anxiety disorders was 17%, behaviour disorders was 11%, and depressive disorders was 1%. The overall prevalence of any one of these disorders was 29%. The sensitivity of the DPS-8 screen was 53.4%, specificity was 87.6%, the positive predictive value was 63.8%, and th negative predictive value was 82%. The overall accuracy of the screen was 77%. CONCLUSION: This study highlights some of the difficulties in conducting psychiatric research in a high school population. Despite the difficulties, the DPS-8 screen, if used judiciously by school counsellors, may be helpful in identifying students needing further comprehensive psychiatric assessment.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».