A study protocol for community implementation of a new mental health monitoring system spanning early childhood to young adulthood
Notice bibliographique
Résumé
Findings from longitudinal research, globally, repeatedly emphasise the importance of taking an early life course approach to mental health promotion; one that invests in the formative years of development, from early childhood to young adulthood, just prior to the transition to parenthood for most. While population monitoring systems have been developed for this period, they are typically designed for use within discrete stages (i.e., childhood or adolescent or young adulthood). No system has yet captured development across all ages and stages (i.e., from infancy through to young adulthood). Here we describe the development, and pilot implementation, of a new Australian Comprehensive Monitoring System (CMS) designed to address this gap by measuring social and emotional development (strengths and difficulties) across eight census surveys, separated by three yearly intervals (infancy, 3-, 6-, 9- 12-, 15-, 18 and 21 years). The system also measures the family, school, peer, digital and community social climates in which children and young people live and grow. Data collection is community-led and built into existing, government funded, universal services (Maternal Child Health, Schools and Local Learning and Employment Networks) to maximise response rates and ensure sustainability. The first system test will be completed and evaluated in rural Victoria, Australia, in 2022. CMS will then be adapted for larger, more socio-economically diverse regional and metropolitan communities, including Australian First Nations communities. The aim of CMS is to guide community-led investments in mental health promotion from early childhood to young adulthood, setting secure foundations for the next generation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».