Development of a Neuropsychological Service Pathway for School-Age Neonatal Follow Up: a Feasibility Pilot
Notice bibliographique
Résumé
OBJECTIVE: Neuropsychological care benefits children with neonatal brain conditions by monitoring brain health and directing supports to optimize learning and psychosocial growth. Conventional assessments often are time and resource intensive; innovative, precise, and efficient assessment models are needed. This study examined 1) feasibility and acceptability of a tiered assessment protocol and 2) preliminary predictive validity of screening measures. METHOD: Children aged 4-18 years and their caregivers were referred for neuropsychological evaluation. A tiered protocol was co-designed with family advisors and included 3 steps: 1) invitation to consultation, including psychoeducation; 2) screening measures of cognition, learning, and well-being; and 3) virtual 1:1 consultation with a neuropsychologist/fellow. Collaborative caregiver-clinician discussion led to a) in-person testing, b) deferred assessment, or c) discharge. A portion (22%) of cases were reviewed independently to assess inter-clinician reliability. Caregiver feedback was gathered via survey. Multiple linear regression models assessed relationships between screening measures and 1) consultation outcome, and 2) child full scale intellectual IQ scores (FSIQ). RESULTS: Of 104 families invited to participate, 98 (94%) responded: 9 (9.2%) declined services and 85 (86.7%) completed screening measures and consultation. After consultation, 50 (59%) proceeded to in-person testing, 17 (20%) deferred assessment, and 18 (21%) were discharged. Inter-clinician agreement on consultation outcome was strong (90%). Caregiver feedback reflected protocol feasibility and acceptability; comments described helpfulness of monitoring, and timeliness of process. Screening measures predicted outcomes of consultation and child FSIQ. CONCLUSIONS: Results illustrate importance of evaluating neuropsychological pathways with precision, efficiency and caregiver-partners in mind.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».