Development and Validation of the Prevention of Toxic Chemicals in the Environment for Children Tool: A Questionnaire for Examining the Community's Knowledge of and Preferences Toward Toxic Chemicals and Children's Brain Development
Notice bibliographique
Résumé
Early-life exposures to toxic chemicals can adversely impact brain development. Understanding people's knowledge of the impact of toxic chemicals on brain development is critical to reduce widespread exposure to chemicals. Yet it is unknown what people know about risks of toxic chemicals and how to reduce exposures. We developed and validated the questionnaire, PRevention of Toxic chemicals in the Environment for Children Tool (PRoTECT) , to examine people's knowledge and attitudes about the influence of toxic chemicals on child development. We used best practices for developing and validating scales. First, we drafted items to assess knowledge of the impact of toxic chemicals on brain development, levels of concern regarding exposures, and preferences for prevention of neurodevelopmental disorders. Second, we received feedback on item clarity from five focus groups consisting of 46 community participants. In addition, 17 experts completed a content validity scale for each item and provided qualitative feedback. We administered the revised 18-item questionnaire to 190 participants of child-bearing age for scale development, and using exploratory factor analysis, we found evidence for a four-factor model of PRoTECT , RMSR = 0.05, of which 16 of the 18 items had adequate content validity with loadings >0.40 on a derived factor. We discuss future directions and applications of PRoTECT .
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 | 0,006 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».