Universal Trauma Screening in Preschool Speech and Language Services: Screening Process and Client Profiles
Notice bibliographique
Résumé
Purpose: The purpose of this study was to investigate the implementation of universal trauma screening in publicly funded preschool speech and language (PSL) services. This article presents the results pertaining to the screening process and the client profiles of research participants (including trauma exposures and potential responses). Method: As part of a larger study, a clinical pilot and research study were undertaken. The clinical pilot included the design and implementation of a screening protocol where speech-language pathologists prescreened clients for potential trauma exposure during initial assessment, and then offered families a full trauma screening with a mental health professional. Data were collected from 193 speech-language pathologist–completed questionnaires following initial assessment and from the full trauma screenings of 57 children aged 9–50 months (which comprised the research study). Results: During PSL initial assessments, 30% of clients disclosed potential trauma exposure. The highest reported exposures included public health or environmental crises (33%), major family moves (30%), and significant separations from parents/caregivers or close family members (26%). Of the top seven reported exposures, four were characterized as interpersonal trauma, and 35% of clients reported at least three trauma exposures. A significant correlation was observed between the number of reported trauma exposures and potential trauma responses, which are commonly seen in PSL services, r (55) = .28, p = .037. Conclusions: The findings highlight the importance of integrating trauma-informed care universally in PSL services, including collaborative speech-language pathology and mental health services. Universal trauma screening in PSL services can identify at-risk children early, allowing for tailored interventions and better support for families. The study underscores the need for integrated services to address the complex needs of children exposed to trauma.
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 | 0,026 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».