Creating and Evaluating Two Cumulative Developmental Vulnerability Risk Measures.
Notice bibliographique
Résumé
ObjectivesThe Early Development Instrument (EDI) is a valid and reliable population-level tool measuring child developmental vulnerability in Kindergarten. The objective of this study was to derive and validate new EDI-based development “cumulative vulnerability” risk indicators using a cumulative risk index approach (Rutter, 1979). ApproachThe EDI has two main outcome measures: individual domain scores and vulnerability (scoring below a 10% cutpoint). To account for more complexity, we derived two new “cumulative vulnerability” measures. The Mean EDI Domain Score (MEDS) is the mean of the domain scores, and the Total EDI Vulnerability Index (TEVI) is an ordinal summative measure using domain vulnerability indicators. In Study I, we examined the relationship of the MEDS and TEVI measures with neighbourhood-level SES. In Study II, we examined the predictive/explanatory power of the MEDS and TEVI measures with Grade 3 provincial assessments in Ontario, Canada. ResultsStudy I used EDI Kindergarten data from twelve provincial and territorial data collections between 2008 and 2013 in Canada (316,015 children) aggregated to 2,038 customized neighbourhoods. The two new cumulative vulnerability measures worked as expected, with positive association between MEDS and neighbourhood SES (r=0.58), and a negative association between TEVI and neighbourhood SES (r=-0.57). Study II used data from 61,039 Kindergarten children matched between the EDI and Grade 3 EQAO datasets. The predictive/explanatory power of Mean EDI Domain Scores (MEDS; R2=0.11 to 0.15) was twice that of new ordinal summative measure (TEVI; R2=0.06 to 0.08). Interestingly, the predictive power of the TEVI was similar to that of the composite EDI outcome measure, overall vulnerability (vulnerable on one or more domains). ConclusionThe MEDS and TEVI work as expected and can be used for research and reporting purposes. More specifically, the TEVI can also be used as a severity metric evaluating the impact of multiple developmental vulnerabilities. It is recommended that further research be conducted to validate the measures with other datasets.
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 | 0,004 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».