MétaCan
Menu
Retour à la cohorte
Enregistrement W4399543584 · doi:10.1016/j.childyouth.2026.108974

Predicting Child Welfare Involvement in Ontario Children and Youth Accessing Mental Health Services: Development of the Child and Youth Protection Risk Algorithm (Cypra)

2024· preprint· en· W4399543584 sur OpenAlexafffundabout
Shannon L. Stewart, B. Brock, Jeffrey W. Poss

Notice bibliographique

RevueChildren and Youth Services Review · 2024
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensUniversity of WaterlooWestern University
Organismes subventionnairesPublic Health Agency of Canada
Mots-clésWelfareMental healthPsychologyPositive Youth DevelopmentDevelopmental psychologyEnvironmental healthPsychiatryMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Children or youth becoming involved with child protective services is a rare occurrence that significantly impacts the child and family. Research has identified various factors related to involvement with child protective services. The use of these factors to identify children who are at an increased risk of becoming involved with child protective services is a potential way to direct early interventions and support to promote safety and permanency within families. Using a widely implemented children’s mental health assessment tool, the interRAI ChYMH, a predictive algorithm was developed to assess the risk for child welfare involvement for clinically referred children and youth. Using decision tree modelling and risk factors identified in the literature this algorithm was developed and provides assessors with a score of one to five, with five indicating the highest risk of future child welfare involvement. The high-risk group demonstrated a significantly higher risk of future involvement with child protection services. The algorithm’s utility for care planning, resource allocation, and systems-level analysis is discussed.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: Empirique
Score de désaccord entre enseignants0,263
Score d'incertitude au seuil0,530

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,324
Écart entre enseignants0,291 · 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

Citations0
Publié2024
Routes d'admission3
Résumé présentnon

Explorer davantage

Même revueChildren and Youth Services ReviewMême sujetHomelessness and Social IssuesTravaux en français237 207