Présentateurs: Kristopher Stevens, directeur de l'analyse des données et de l'innovation, et Virginia Hatch, stagiaire en psychologie
Titre: Identifier les profils de risque parmi les enfants et les familles de Head Start et examiner leurs associations avec les résultats programmatiques
Résumé: Identifier correctement les enfants et les familles de Head Start à risque de problèmes de santé mentale ainsi que les déterminants sociaux qui conduisent et maintiennent ce risque lorsqu'ils entrent et traversent les programmes pourrait conduire à une répartition efficace et efficiente des efforts de prévention et d'intervention qui profitent au maximum aux familles. ainsi que le personnel du programme travaillant avec les enfants et les familles. Il est important d’examiner cette question même dans le meilleur des cas. Cependant, compte tenu de l’évolution des paysages en matière de santé comportementale et d’éducation préscolaire créés par la pandémie de COVID-19 et de l’accent mis par la société sur la lutte contre le racisme systémique et l’équité, elle est plus importante que jamais. La richesse des données disponibles pour les programmes Head Start, telles que les indicateurs du fonctionnement psychosocial des enfants et des familles et les déterminants sociaux auxquels sont confrontés les enfants et les familles, permettent l'application de techniques sophistiquées d'analyse de données, telles que l'analyse des classes latentes, les arbres de décision et forêts aléatoires, pour construire de manière fiable et précise des profils de risque et de résilience basés sur les données disponibles. Ces profils de risque et de résilience, combinés à des modèles de triage des risques, tels que la réponse à l'intervention, pourraient éclairer le développement de systèmes d'aide à la décision qui aident la direction et le personnel du programme à identifier les familles à risque et à répartir de manière efficace et efficiente leurs efforts et leurs ressources. fournir aux enfants et aux familles ce dont ils ont besoin pour bénéficier au maximum des services du programme. De plus, ces profils de risque pourraient éclairer l'élaboration et la mise en œuvre de stratégies de prévention et d'intervention ciblant des risques spécifiques afin d'améliorer le bien-être des enfants et des familles et leur préparation à l'école.
Avec un échantillon de 1,196 2016 enfants uniques et leurs familles inscrits aux services Head Start entre août 2022 et mai 1, la présente étude répond à la question suivante : les données actuellement disponibles pour les programmes Head Start peuvent-elles être utilisées pour indiquer de manière fiable les enfants et les familles à risque, en raison des risques liés à la santé mentale et de divers déterminants sociaux, de ne pas bénéficier ou de bénéficier de manière minime des services ? Pour répondre à cette question, la présente étude utilise les données de plusieurs programmes Head Start qui font partie d'une grande organisation communautaire fournissant des services de santé comportementale ainsi que des données accessibles au public. Les données seront tirées de plusieurs sources, y compris, mais sans s'y limiter : 2) les systèmes de dossiers scolaires électroniques des programmes Head Start qui comprennent les données démographiques de base de l'enfant et de la famille, les caractéristiques de l'enfant et de la famille, les déterminants sociaux ; 3) l'enquête sur les forces, les besoins et les intérêts des parents (SNIP) qui est administrée par les programmes Head Start aux tuteurs en août et mai de chaque année scolaire ; 4) le Child Opportunity Index (COI) qui utilise diverses données du recensement américain et fournit des informations sur les risques et les déterminants sociaux inhérents aux quartiers où résident les enfants et les familles ; et XNUMX) le profil de développement des résultats souhaités (DRDP) qui est administré trois fois au cours de l'année scolaire pour évaluer le fonctionnement des enfants dans plusieurs domaines. Les trois premières sources de données serviront de variables prédictives ou explicatives, tandis que la quatrième servira de variable de résultat ou de variable cible.
Des analyses de classification seront utilisées pour classer les enfants et les familles en diverses catégories de risque. De plus, des analyses seront menées pour étayer les résultats de la classification, y compris des analyses descriptives des variables du modèle et des analyses de sensibilité.
Les résultats de cette étude pourraient présenter de nombreux avantages pour les enfants et les familles desservis par les programmes Head Start ainsi que pour les populations d'âge scolaire. La capacité de mieux identifier les familles à risque dès le début pourrait conduire à une allocation efficace des ressources et à de meilleurs résultats programmatiques pour les familles grâce au développement d'outils d'aide à la décision intégrant un processus de résolution de problèmes. De plus, ces profils peuvent être utilisés pour identifier des stratégies potentielles de prévention et d'intervention qui pourraient améliorer le bien-être des enfants et des familles ainsi que leur capacité à bénéficier au maximum des programmes. Les résultats pourraient également conduire à l’identification des lacunes en matière de formation et de services et au développement d’opportunités pour répondre à ces besoins. Ces opportunités pour le personnel, combinées à une efficacité accrue dans la répartition de leurs efforts, pourraient accroître leur sentiment d'efficacité et réduire la fatigue et les risques d'épuisement professionnel. Bien que cette étude se concentre sur les enfants d'âge préscolaire et leurs familles, ces méthodes pourraient être appliquées à d'autres contextes éducatifs et à d'autres populations. La richesse des données disponibles dans les systèmes scolaires est propice aux modèles analytiques utilisés dans la présente étude ainsi qu'à d'autres techniques non présentées. Comme indiqué précédemment, ces questions sont plus importantes que jamais étant donné l'impact de la pandémie sur le fonctionnement psychosocial des jeunes et des familles et la mise en lumière des inégalités au sein de nos systèmes.
Inscrivez-vous pour assister à la conférence annuelle du Centre national pour la santé mentale en milieu scolaire à Baltimore, Maryland.
