Cumulative Abuse: Do Things Add Up? An Evaluation of the Conceptualization, Operationalization, and Methodological Approaches in the Study of the Phenomenon of Cumulative Abuse
Notice bibliographique
Résumé
For women, any one type of abuse rarely occurs in isolation of other types, and a single abusive experience is often the exception rather than the norm. The importance of this concept of the cumulative nature of abuse and its negative impact on health has been well recognized within the empirical literature, however there has been little consensus on what to call this phenomenon or how to study it. For the most part researchers have operated on the premise that it is the sheer number of different types of cumulating abuse experiences that is primarily responsible for worse health outcomes among women. And although this simplistic 'more is worse' approach to conceptualizing and operationalizing cumulative abuse has proven to be a powerful predictor of poorer health, it contradicts growing empirical evidence that suggests not all victimizations are created equal and that some victimizations may have a more deleterious effect on health than others. Embedded in abuse histories are individual and abuse characteristics as well as other life adversities that need to be considered in order to fully understand the spectrum and magnitude of cumulative abuse and its impact on women's health. Furthermore, given the long-term and persistent effects of abuse on health it becomes imperative to not only evaluate recent abusive experiences, but rather all abuse experiences occurring across the lifespan. This review highlights and evaluates the conceptual, operational, and methodological challenges posed by our current methods of studying and understanding the phenomenon of cumulative abuse and suggests that this phenomenon and its relationship to health is much more complex than research is currently portraying. This paper calls for the urgent need for interdisciplinary collaboration in order to more effectively and innovatively study the phenomenon of cumulative abuse.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,007 | 0,010 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».