Patterns of reporting by health care and nonhealth care professionals to child protection services in Canada
Notice bibliographique
Résumé
BACKGROUND: All Canadian jurisdictions require certain professionals to report suspected or observed child maltreatment. The present study examined the types of maltreatment, level of harm and child functioning issues (controlling for family socioeconomic status, age and sex of the child) reported by health care and nonhealth care professionals. METHODS: χ(2) analyses and logistic regression were conducted on a national child welfare sample from the 2003 Canadian Incidence Study of Reported Child Abuse and Neglect (CIS-2003), and the differences in professional reporting were compared with its previous cycle (CIS-1998) using Bonferroni-corrected CIs. RESULTS: Analysis of the CIS-2003 data revealed that the majority of substantiated child maltreatment was reported to service agencies by nonhealth care professionals (57%), followed by other informants (33%) and health care professionals (10%). The number of professional reports increased 2.5 times between CIS-1998 and CIS-2003, while nonprofessional reports increased 1.7 times. Of the total investigations, professional reports represented 59% in CIS-1998 and 67% in CIS-2003 (P<0.001). Compared with nonhealth care professionals, health care professionals more often reported younger children, children who experienced neglect and emotional maltreatment, and those assessed as suffering harm and child functioning issues, but less often reported exposure to domestic violence. CONCLUSION: The results indicate that health care professionals play an important role in identifying children in need of protection, considering harm and other child functioning issues. The authors discuss the reasons why under-reporting is likely to remain an issue.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».