Lowering the Threshold for Discussions of Domestic Violence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Women experiencing domestic violence (DV) frequent health care settings, but DV is rarely identified. METHODS: We conducted a randomized controlled trial to determine the effect of computer screening on health care provider-patient DV communication at 2 socioeconomically diverse emergency departments (EDs). Consenting nonemergent female patients, aged 18 to 65 years, were randomized to self-administered computer-based health risk assessment, with a prompt for the health care provider, or to "usual care"; all visits were audiotaped. Outcome measures were rates of DV discussion, disclosure, and services. RESULTS: Of 2169 eligible patients, 1281 (59%) consented; 871 (68%) were successfully audiotaped, and 903 (71%) completed an exit questionnaire. Rates of current DV risk on exit questionnaire were 26% in the urban ED and 21% in the suburban ED. In the urban ED, the computer prompt increased rates of DV discussion (147/262 [56%] vs 123/275 [45%]; P = .004), disclosure (37/262 [14%] vs 23/275 [8%]; P = .07), and services provided (21 [8%] vs 10 [4%]; P = .04). Women at the suburban site and those with private insurance or higher education were much less likely to be asked about experiences with abuse. Only 48% of encounters with a health care provider prompt regarding potential DV risk led to discussions. Both inquiries about and disclosures of abuse were associated with higher patient satisfaction with care. CONCLUSIONS: Computer screening for DV increased but did not guarantee that DV would be addressed during ED encounters. Nonetheless, it is likely that low-cost interventions that allow patients the opportunity to self-disclose can be used to improve detection of DV.
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.
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle