School participation among young people with craniofacial microsomia and other childhood‐onset disabilities
Notice bibliographique
Résumé
AIM: To examine how school environment, physical functioning problems, and behavioral problems explain levels of school participation (i.e. attendance and involvement) among young people with craniofacial microsomia (CFM) and other childhood-onset disabilities, and whether participation-focused caregiver strategies play a role in these relationships. METHOD: We conducted secondary analyses of a subset of data (n = 260 families: 120 with CFM and 140 with other childhood-onset disabilities) from the second follow-up phase of a longitudinal cohort study. We applied structural equation modeling with data collected from the Participation and Environment Measure - Children and Youth version, the Child Behavior Checklist, and the Pediatric Quality of Life Inventory physical functioning scale. RESULTS: Model fit was acceptable to close (comparative fit index = 0.973; root mean square error of approximation = 0.055; standardized root mean squared residual = 0.043; Tucker-Lewis index = 0.958). School environmental support had a positive effect on young people's participation attendance and involvement, and physical functioning problems had a negative effect on participation involvement. The number of disclosed caregiver strategies had a significant positive effect on the relationship between school environmental support and school participation attendance. INTERPRETATION: Findings confirm the effect of school environmental support and physical functioning problems on school participation and highlight the role of participation-focused caregiver strategies to intensify the positive effect of school environmental support on school participation attendance. WHAT THIS PAPER ADDS: Environmental support had a positive effect on participation attendance and involvement. Physical functioning problems had a negative effect on school participation involvement. Disclosed caregiver strategies intensified the impact of environmental support on participation attendance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».