The effect of a low intensity intervention on the wellbeing of children in the juvenile justice system in India: Results from a pilot study
Notice bibliographique
Résumé
OBJECTIVE: Children in the Juvenile Justice System (JJS) face multiple adversities that may predispose them to developing mental health (MH) problems. Interventions that enhance the MH and well-being of these children while providing access to appropriate MH care are needed. This study examines the effect of a multipronged, low-intensity intervention on adolescents' well-being, stress levels, MH knowledge, and stigma perceptions in Childcare Institutions (CCIs) across Odisha and Tamil Nadu, India. METHODS: Implemented in 7 CCIs, the intervention aimed to enhance the MH Literacy (MHL) and well-being of children in the CCIs through the Youth-Friendly Spaces (YFS) using experiential methods. It also sought to improve the MHL of the staff and administration within the JJS and provide access to MH care by linking CCIs to available local resources. Information using validated scales was obtained at baseline and six months. RESULTS: Only 180 of the 310 children for whom baseline data was available remained in the CCI at six months. A statistically significant improvement in well-being (34.5 +13.7-55.9 +12.2, p < 0.001), stress (18.5 +6.8-17 +6.1, p = 0.044) and stigma (32 +11.9-29.4 +11.4, p = 0.023) scores were observed. Adjusted linear regression analysis showed significant differences across genders, sites, and child types. DISCUSSION: This intervention, comprising YFS creation, MHL enhancement, and referral system development, is significantly associated with improved well-being of children in CCIs. The results underscore the need for tailored interventions based on gender, location, and child type. The study highlights the potential scalability of such programs in resource-constrained settings for vulnerable 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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».