Routine screening for adverse childhood experiences (ACEs) still doesn't make sense
Notice bibliographique
Résumé
When a serious health or social problem is identified as both prevalent and in need of attention, a common response is to propose that various systems implement routine identification, such as universal screening. However, these well-intentioned responses often fail to consider the key requirements necessary to determine whether benefits outweigh harms. Unfortunately, this continues to be the case for calls to implement routine screening for Adverse Childhood Experiences (ACEs). Persistent evidence gaps for this type of screening include the lack of any randomized controlled trials demonstrating that ACEs screening programs lead to any benefits. Rather than being informed by established screening principles, the calls to proceed with ACEs screening appear to rely on the assumption that simply identifying risk factors can lead to beneficial outcomes that outweigh any risk of harms. This may reflect a gap in understanding that patterns identified at the population level (e.g., that more ACEs are associated with more health and social problems) cannot be directly translated to practices at the level of the individual. This commentary does not question the importance of ACEs; rather it identifies that directing limited resources to screening approaches for which there is no evidence that benefits outweigh harms is problematic. Instead, we advocate for the investment in high-quality trials of prevention interventions to determine where best to direct limited resources to reduce the occurrence of ACEs, and for the prioritization of evidence-based treatment services for those with existing health and social conditions, whether or not they are attributed to ACEs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 tête enseignante, 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 ».