Célkitűzés
Az iskolába járás világszerte az egészség egyik legfontosabb társadalmi meghatározója. Újabb kutatások szerint az ADHD-val élő gyermekek és fiatalok többet hiányoznak az iskolából, mint neurotipikus társaik, az ADHD pedig továbbra is a legelterjedtebb, középiskolai lemorzsolódással társuló zavar. A vizsgálat célja egy gépi tanulási technikákat alkalmazó algoritmus kifejlesztése volt, amely pontosan osztályozza az iskolai hiányzás kockázatának kitett személyeket, és meghatározza a fontos változókat.
Módszer
A résztvevők 198 klinikailag beutalt, ADHD-s fiatal szülei voltak (átlagéletkor 10,3 év; 26,3% lány), akik egy nagy kanadai város gyermek-mentálhigiénés kezelőközpontjától kértek szolgáltatást. A felvételi időpontjuk során a szülők 80 kérdésre válaszoltak különböző bio-pszicho-szociális-oktatási kockázati tényezőkről, valamint a gyermekük iskolába járási és hiányzási előzményeiről.
Eredmények
A véletlen erdő (random forest) elemzéseket alkalmazó gépi tanulás szerint a modell elfogadhatótól kiválóig terjedő megkülönböztető-képességgel osztályozta a hiányzó fiatalokat (AUC = 0,74–0,81). A követő, változó-fontossági elemzések szerint a hiányzáskockázat osztályozásának legfontosabb kockázati tényezői: 1. zavaró viselkedés az iskolában, 2. lehangoló hangulat vagy gondolatok, 3. kockázatos viselkedésre való hajlam, 4. következetlen szülői nevelés, 5. zavaró viselkedés otthon.
Következtetések
A vizsgálat alátámasztja az aktuáriusi (statisztikai becslési) módszerek használatát az iskolai hiányzás osztályozására ADHD-s gyermekeknél és fiataloknál. Kiemel olyan konkrét változókat, amelyek fontos szerepet játszanak a hiányzás előrejelzésében, így klinikai és oktatási vonatkozásai vannak a gyakorlatra nézve. E kutatás és módszertan megalapozhat robusztus és reprodukálható szűrési gyakorlatokat az oktatási kockázat megelőzésére ADHD-s gyermekeknél és fiataloknál.