主持人： 数据分析和创新总监 Kristopher Stevens 和心理学实习生 Virginia Hatch
称谓： 确定领先儿童和家庭的风险概况并检查其与计划成果的关联
摘要： 正确识别有心理健康问题风险的启蒙儿童和家庭，以及在他们进入和参与项目时导致和维持其风险的社会决定因素，可以有效和高效地分配预防和干预工作，从而最大限度地使家庭受益以及与儿童和家庭一起工作的项目工作人员。在最好的时期审视这个问题很重要，然而，随着 COVID-19 大流行造成的行为健康和早期教育格局的变化以及社会对解决系统性种族主义和公平问题的关注，这个问题比以往任何时候都更加重要。 Head Start 计划拥有丰富的数据，例如儿童和家庭的心理社会功能指标以及儿童和家庭面临的社会决定因素，允许应用复杂的数据分析技术，例如潜在类别分析、决策树和随机森林，根据可用数据可靠、准确地构建风险和复原力概况。这些风险和复原力概况与风险分类模型（例如干预响应）相结合，可以为决策支持系统的开发提供信息，帮助项目领导和工作人员识别高风险家庭，并有效和高效地分配他们的努力和资源为儿童和家庭提供他们需要的东西，使他们能够从计划服务中受益最多。此外，这些风险概况可以为制定和实施针对特定风险的预防和干预策略提供信息，以增强儿童和家庭的福祉和入学准备。
本研究以 1,196 年 2016 月至 2022 年 1 月期间加入 Head Start 服务的 2 名独特儿童及其家庭为样本，解决了以下问题：Head Start 计划当前可用的数据能否用于可靠地表明儿童和家庭由于心理健康风险和各种社会决定因素，是否面临无法或很少从服务中受益的风险？为了解决这个问题，当前的研究利用了几个 Head Start 计划的数据，这些计划是一个大型社区组织的一部分，提供行为健康服务以及公开数据。数据将来自多个来源，包括但不限于： 3) Head Start 计划的电子教育记录系统，其中包括儿童和家庭的基本人口统计数据、儿童和家庭特征、社会决定因素； 4) 家长优势、需求和兴趣调查 (SNIP)，由 Head Start 计划在每个学年的 XNUMX 月和 XNUMX 月向看护者进行； XNUMX) 儿童机会指数 (COI)，它利用各种美国人口普查数据并提供有关儿童和家庭居住社区固有风险和社会决定因素的信息； XNUMX) 期望结果发展概况 (DRDP)，在学年期间实施 XNUMX 次，以评估儿童在多个领域的功能。前三个数据源将用作预测变量或解释变量，而第四个数据源将用作结果变量或目标变量。
分类分析将用于将儿童和家庭分为不同的风险类别。此外，还将进行分析以支持分类结果，包括模型变量的描述性分析和敏感性分析。
这项研究的结果可能会给 Head Start 计划所服务的儿童和家庭以及学龄人口带来许多好处。尽早更好地识别高风险家庭的能力可以通过开发包含问题解决过程的决策支持工具来有效分配资源并为家庭提供更好的计划成果。此外，这些概况可用于确定潜在的预防和干预策略，从而增强儿童和家庭的福祉以及他们从规划中最大程度受益的能力。结果还可以确定培训和服务差距以及开发满足这些需求的机会。员工的这些机会加上工作分配效率的提高，可以提高他们的效率感，减少疲劳和倦怠的可能性。虽然这项研究的重点是学龄前儿童及其家庭，但这些方法可以移植到其他教育环境和人群。学校系统中可用的大量数据对于当前研究中使用的分析模型以及未提出的其他技术来说已经成熟。如前所述，鉴于这一流行病对青少年和家庭心理社会功能的影响以及暴露出我们系统内的不平等现象，这些问题比以往任何时候都更加重要。
注册参加国家学校心理健康中心年会 在马里兰州巴尔的摩。
