MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307055881 · doi:10.1093/pch/pxac100.093

94 Common Social Determinants of Health as Independent Predictors of Adverse Childhood Experiences and the Derivation of a Clinical Prediction Rule: Findings from a Longitudinal Quality Improvement Study

2022· article· en· W4307055881 sur OpenAlexaff
Matthew Carwana, Anna Sara Öberg, Christine Loock

Notice bibliographique

RevuePaediatrics & Child Health · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of British ColumbiaBC Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésLogistic regressionMedicineSocial determinants of healthPovertyInternal medicineDemographyPublic healthPathologyPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Adverse Childhood Experiences (ACEs) are a group of early life events that lead to toxic stress and adverse adult health outcomes. Screening for ACEs can be challenging due to sensitivity and re-traumatization. There is a paucity of evidence regarding whether other social determinants of health (SDoH) might be independent predictors of an ACE score >=4. Likewise, no effective prediction rule exists for an elevated ACE score based on SDoH in children. Objectives 1) Identify independent predictors of elevated ACE score from commonly screened SDoH. 2) Derive a clinical prediction rule based on the available data. Design/Methods Data were drawn from a longitudinal quality improvement SDoH study in pediatric surgical clinics at a provincial children’s hospital. Primary outcome of interest was an ACE score >=4. Multivariable logistic regression was utilized to identify independent predictors among other SDoH. Prediction methods and ROC analyses were completed to derive a prediction rule. Results 515 respondents answered ACE screening; 63 (12.2%) reported >=4 ACEs. SDoH that were strong independent predictors of ACE score >=4 included poverty (OR 2.34, 95% CI 1.19-4.91), parental education (OR 2.76, 95% CI 1.17-6.54), and household income (OR 2.17, 95% CI 1.09-4.32). Housing status, Indigenous status, and disability status were not associated with elevated ACE score. A clinical prediction rule derived using four SDoH questions with a cut-off score of 1 had 96.67% sensitivity but only 21.54% specificity for an ACE score >=4 (AROC 0.75, 95% CI 0.69-0.81). Conclusion Several adverse SDoH were identified as independent predictors of an ACE score >=4 in children. A clinical prediction rule based on SDoH screening was sensitive but poorly specific for ACE >=4. Further research is required.

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)0,028
score de la tête « metaresearch » (Gemma)0,041
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 enseignants0,028
Score d'incertitude au seuil0,149

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,119
Tête enseignante GPT0,465
Écart entre enseignants0,345 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetFood Security and Health in Diverse Populations→Travaux en français237 207→