Utilisation d'enquêtes nationales pour la surveillance de la santé mentale des personnes présentant une déficience intellectuelle au Canada
Bibliographic record
Abstract
Contexte On observe davantage de problèmes de santé, dont des troubles psychiatriques et comportementaux, chez les personnes présentant une déficience intellectuelle que dans l'ensemble de la population. Cependant, on dispose au Canada de peu de données fondées sur des études de population concernant les personnes qui présentent un double diagnostic de trouble psychiatrique et de déficience intellectuelle. L'objectif de cette étude était de déterminer si l'Enquête sur la santé dans les collectivités canadiennes (ESCC) de 2005 et l'Enquête sur la participation et les limitations d'activités (EPLA) de 2006 pouvaient être utilisées pour estimer la fréquence des cas de double diagnostic au Canada. Méthodologie Nous avons mené une analyse secondaire de ces deux enquêtes de population afin de déterminer si elles pouvaient être utilisées pour estimer la prévalence des troubles psychiatriques ou comportementaux chez les adultes présentant une déficience intellectuelle au Canada. Résultats La prévalence des déficiences intellectuelles estimée à partir des enquêtes (ESCC : 0,2 % et EPLA : 0,5 %) est considérablement plus faible que les données sur la prévalence publiées dans la littérature. Bien qu'il ait été possible de calculer la proportion de personnes ayant reçu un double diagnostic (ESCC : 30,6 % et EPLA : 44,3 %), les enquêtes ont été d'une utilité limitée pour la réalisation d'analyses détaillées. Les estimations de la prévalence effectuées à partir des enquêtes, et en particulier de l'ESCC, étaient de qualité insuffisante, du fait d'une forte variabilité de l'échantillonnage ainsi que d'un biais de sélection. Conclusion Il convient d'interpréter les estimations avec prudence étant donné la représentativité discutable de l'échantillon de personnes présentant une déficience intellectuelle dans les enquêtes nationales.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".