MétaCan
Menu
Retour à la cohorte
Enregistrement W4390471888 · doi:10.26502/jppd.2572-519x0202

Predicting Service Urgency in Children and Youth with Autism Spectrum Disorder: The Development of an Algorithm

2023· article· en· W4390471888 sur OpenAlexaboutno aff
Shannon L. Stewart, Gabrielle K.C. King, Jocelyn N. Van Dyke, Jeffrey W. Poss

Notice bibliographique

RevueJournal of Psychiatry and Psychiatric Disorders · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAutism spectrum disorderMental healthPsychologyPsychiatryAutismService (business)Mental health serviceClinical psychologySpectrum disorder

Résumé

récupéré en direct d'OpenAlex

Background: Autism spectrum disorder (ASD) is often accompanied by various mental health-related symptoms that impact a child’s level of functioning. This variability leads to unequal service urgency needs among children and youth with ASD. However, there is no empirically-based and clinically-informed system that assesses the urgency needs of individuals with ASD seeking mental health services. The current study describes the methods used to develop an algorithm to determine mental health service urgency for children and youth with ASD. Method: Assessments from 20,781 and 53,387 children and youth, drawn from two types of the interRAI Child and Youth Mental Health (ChYMH) instruments used in Ontario, were examined to identify service urgency among those with a probable ASD diagnosis. An interactive decisiontree tool identified rules-based groups that were subsequently assigned to a manageable number of levels using k-means clustering. The fit of the algorithm was assessed by logistic regression analyses. Results: The algorithm used twelve items to predict service urgency among 1,598 children with a probable ASD diagnosis. The decision tree identified 18 groups that were collapsed to five levels, from lowest to highest service urgency. The highest urgency group, which includes 12.1% of children and youth with probable autism and for whom 36.1% are rated urgent, is 11.6 times more likely to be rated as urgent, compared to the lowest group. Conclusions: By implementing the first empirically and clinically supported decision-support tool, appropriate and efficient access to community-based mental health resources can be allocated to children and youth with ASD.

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)0,007
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,022
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,016
Tête enseignante GPT0,319
Écart entre enseignants0,303 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Psychiatry and Psychiatric DisordersMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207