Examining the Prevalence Rates, Demographic Differences, and Concurrent Validity Associated with a Universal Bidimensional Mental Health Screener for Youth in Schools
Notice bibliographique
Résumé
When using a bidimensional mental health (BDMH) model, psychological distress and wellbeing are measured. This study used a mental health screening measure, with equal number of items measuring each mental health dimension (i.e., wellbeing and distress) to classify students into one of four possible mental health groups: mentally healthy (MH), mentally unhealthy (MU), symptomatic but content (SBC), and asymptomatic but discontent (ABD). First, prevalence rates for each group in a sample of youth from the 2009–10 Health Behavior in School-aged Children Survey in the United States (N = 6,345) were explored; about a quarter of the population experienced mixed mental health (i.e., SBC or ABD). The second purpose was to investigate how demographic variables (e.g., gender, ethnicity) influenced a student’s BDMH; these variables did not have a practically meaningful relationship to BDMH. The third purpose was to investigate the effect of BDMH classification (i.e., MH, MU, SBC, or ABD) on relevant student behavior variables (i.e., school performance perceptions, class climate, bullying victimization and perpetration, family support, life satisfaction, somatic symptoms, alcohol, cigarette, and marijuana use). Results indicated that MH students experienced the most advantageous, and MU students the most deleterious, concurrent outcomes. However, ABD students (not identified by a traditional screener) experienced concurrent outcomes worse than or similar to their MU peers. Taken together, the results suggest that measuring wellbeing has value-added in differentiating students with varying levels of risk, and identifying students with potential need for intervention. Implications of these results and considerations regarding measurement of psychological wellbeing in mental health screening procedures in schools are 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 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 | 0,006 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».