Screening for Intimate Partner Violence in Orthopedic Patients
Notice bibliographique
Résumé
Accurately identifying victims of intimate partner violence (IPV) can be a challenge for clinicians and clinical researchers. Multiple instruments have been developed and validated to identify IPV in patients presenting to health care practitioners, including the Woman Abuse Screening Tool (WAST) and the Partner Violence Screen (PVS). The purpose of the current study is to determine if female patients attending an outpatient orthopaedic fracture clinic who screen positive for IPV using three direct questions (direct questioning) also screen positive on the WAST and PVS. We conducted a prevalence study at two Level I trauma centres to determine the prevalence of IPV in female patients presenting to orthopaedic fracture clinics for treatment of injuries. We used three methods to determine the prevalence of IPV; 1) direct questioning, 2) WAST, and 3) PVS. We compared the prevalence rates across the three screening tools. Ninety-four women screened positive for IPV using any method. The prevalence of IPV was 30.5% when a direct questioning approach was utilized, 12.4% using the WAST, and 9.2% using the PVS. The WAST identified 37.2% (35/94) of the IPV victims detected and the PVS identified 27.7% (53/94) of the IPV victims detected, whereas direct questioning identified 89.4% of the IPV victims. Identification of IPV may be under-estimated by the WAST and PVS screening tools. Our findings suggest direct questioning may increase the frequency of disclosure of IPV among women attending outpatient orthopaedic clinics.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».