MétaCan
Menu
Retour à la cohorte
Enregistrement W4283777458 · doi:10.1177/13623613221106400

Clinician factors related to the delivery of psychotherapy for autistic youth and youth with attention-deficit hyperactivity disorder

2022· article· en· W4283777458 sur OpenAlexafffundabout
Flora Roudbarani, Paula Tablon Modica, Brenna B. Maddox, Yvonne Bohr, Jonathan A. Weiss

Notice bibliographique

RevueAutism · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensYork University
Organismes subventionnairesYork University
Mots-clésPsychologyMental healthContext (archaeology)AnxietyClinical psychologyPsychiatryAutismAttention deficit hyperactivity disorderCognitionPsychotherapist

Résumé

récupéré en direct d'OpenAlex

Autistic children and adolescents are more likely than non-autistic youth to experience mental health problems, such as anxiety or depression, but less likely to receive psychotherapy to address these concerns. Recent research indicates that clinician factors, such as knowledge, attitudes, confidence and beliefs, can impact their decisions to provide care, though this work has primarily focused on adults or within the context of one kind of treatment (cognitive behaviour therapy). The current study examined psychological predictors (e.g. attitudes and confidence) of clinicians’ intention to deliver psychotherapy to autistic youth and those with attention-deficit hyperactivity disorder. Participants included 611 clinicians across publicly funded agencies in Ontario, Canada. Multiple mediation analyses revealed that clinician knowledge on mental health-related topics (e.g. core symptoms, developing treatment plans and identifying progress towards treatment goals) was associated with intention to treat autistic clients or clients with attention-deficit hyperactivity disorder, and normative pressures and attitudes partially mediated this association. Clinicians felt less likely to treat autistic clients than clients with attention-deficit hyperactivity disorder, partly because of differences in attitudes, normative pressures and knowledge. This research suggests that targeted training around autism and mental health care may be a useful initiative for agency staff. Lay abstract Autistic children and youth often experience mental health problems, such as anxiety, depression and behavioural challenges. Although there are therapy programmes that have been found helpful in reducing these issues, such as cognitive behaviour therapy, autistic children often struggle to receive adequate mental health care. Clinicians’ knowledge, attitudes, confidence and beliefs about treating mental health problems in autistic people may be related to their choices in providing psychotherapy. Across Ontario, Canada, 611 mental health clinicians, working in publicly funded agencies, completed an online survey about their experiences and opinions on delivering therapy for autistic clients compared to those with attention-deficit hyperactivity disorder. Clinician knowledge was associated with their intention to treat autistic clients or clients with attention-deficit hyperactivity disorder, partly because of their attitudes and the social pressures or values they felt. Clinicians reported feeling less intent on providing therapy to autistic youth compared to youth with attention-deficit hyperactivity disorder because of differences in their attitudes, social pressures and knowledge. This research can inform the training and educational initiatives for mental health practitioners.

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)0,020
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,289
Score d'incertitude au seuil0,575

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,309
Écart entre enseignants0,268 · 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'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

Citations9
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAutismMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207