Associating Pregnancy With Partner Violence Against Chinese Women
Notice bibliographique
Résumé
The present study discusses if pregnancy is a risk factor for intimate partner violence using a large, representative sample containing detailed information on partner violence including physical and sexual abuse as well as perpetrator-related risk factors. Data from a representative sample of 2,225 men were analyzed. The self-reported prevalence of men's violence against their female partners was computed and compared in terms of demographic, behavioral, and relationship characteristics. The preceding-year prevalence of physical assault, sexual violence, and "any violence or injury" among the group whose partners were pregnant was 11.9%, 9.1%, and 18.8%, respectively. This is significantly higher than the nonpregnant group. Pregnancy was significantly associated with increased odds of violence, including physical assault, sexual violence, and "any violence or injury" (ORs = 2.42, 2.42, and 2.60, respectively). Having controlled for relationship characteristics including social desirability, social support, in-law conflict, dominance, and jealousy of male perpetrators, pregnancy was significantly associated with "any violence or injury." Demographic and behavioral variables accounted for pregnant women's significantly higher odds of having been abused in the year preceding the data collection. This study provides preliminary findings on the association between pregnancy and partner violence. Our findings underscore the need to screen for violence among pregnant women in clinical health care settings as well as in communities. Perpetrator-related risk factors should be included in the assessment of risk for partner violence against pregnant women. For the prevention of intimate partner violence, family-based intervention is needed to work with victims as well as perpetrators.
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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».