Community-based screening and triage connecting First Nations children and youth to local supports: a cross-sectional study
Notice bibliographique
Résumé
Background: First Nations children in Canada experience health inequities. We aimed to determine whether a self-report health app identified children’s needs for support earlier in their illness than would typically occur. Methods: Children (aged 8 to 18 yr) were recruited from a rural First Nation community. Children completed the Aaniish Naa Gegii: the Children’s Health and Well-being Measure (ACHWM) and then met with a local mental health worker who determined their risk status. ACHWM Emotional Quadrant Scores (EQS) were compared between 3 groups of children: healthy peers (HP) who were not at risk, those with newly identified needs (NIN) who were at risk and not previously identified, and a typical treatment (TT) group who were at risk and already receiving support. Results: We included 227 children (57.1% girls), and the mean age was 12.9 (standard deviation [SD] 2.9) years. The 134 children in the HP group had a mean EQS of 80.1 (SD 11.25), the 35 children in the NIN group had a mean EQS of 67.2 (SD 13.27) and the 58 children in the TT group had a mean EQS of 66.2 (SD 16.30). The HP group had significantly better EQS than the NIN and TT groups (p < 0.001). The EQS did not differ between the NIN and TT groups (p = 0.8). Interpretation: The ACHWM screening process identified needs for support among 35 children, and the associated triage process connected them to local services; the similarity of EQS in the NIN and TT groups highlights the value of community screening to optimize access to services. Future research will examine the impact of this process over the subsequent year in these groups.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».