MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391340791 · doi:10.22541/au.170664177.76676940/v1

Narratives: Neurodivergent Children

2024· preprint· en· W4391340791 sur OpenAlexaff
Dércia Materula, Genevieve Currie, Xiao Yang Jia, Brittany Finlay, Ai-men Lau, Catherine Richard, Meridith Yohemas, Gina Lachuk, Nadine Gall, Tammie Dewan, Sarah J. MacEachern, W. Ben Gibbard, Jennifer Zwicker

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiqueFamily and Disability Support Research
Établissements canadiensAlberta Health ServicesUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNarrativeQuality of life (healthcare)Quality (philosophy)PsychologyMental healthResource (disambiguation)Social isolationIsolation (microbiology)NursingMedicinePsychiatryComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction: Without a care coordination mechanism, caregivers of neurodivergent children coordinate care across various complex systems in addition to caregiving responsibilities. This study aimed to understand the needs of families with neurodivergent children before entering a care coordination program. Methods: Using a convergent parallel design close-ended questionnaires and semi-structured interviews captured caregiver-reported quality of life, care integration, and resource use of 67 families. Results: Over 50% of respondents lacked access to neurodiversity related support services mainly due to information and coordination challenges. Caregivers were excluded from care planning and dealt with a fragmented system. Financial losses, social isolation, and mental health issues caused by lack of support, negatively impacted caregiver quality of life. Discussion: To improve quality of life outcomes for this demographic, this study recommends that implementing a care coordination program needs to consider the high health, educational, and social needs of families with neurodivergent children.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,005
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,059
Tête enseignante GPT0,389
Écart entre enseignants0,330 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFamily and Disability Support Research→Travaux en français237 207→