Outcome Measures for Evaluating Intimate Partner Violence Programs Within Clinical Settings: A Systematic Review of the Literature
Notice bibliographique
Résumé
BACKGROUND: Multiple intimate partner violence (IPV) identification and assistance programs have been implemented across clinical settings. The results of these studies are inconclusive and frequently conflicting, resulting in clinical uncertainty and controversy regarding the merits of IPV identification and assistance programs. We aimed to describe the choice of outcome measures used in previously published randomized trials of IPV identification and assistance programs. METHOD: A comprehensive literature search was conducted in the Medline, Embase, PyscInfo, and CENTRAL databases. The outcomes assessed in each included study were extracted and categorized, and the methodological quality of each eligible study was assessed using the Cochrane Risk of Bias tool. RESULTS: Of 20 eligible studies, 6 evaluated IPV identification programs and 14 studies examined IPV assistance programs. The included studies used 48 different outcomes that we classified into 10 categories. For identification studies, the most commonly used outcome categories were IPV disclosure (66.7%) and resource use (66.7%). The most commonly used outcome categories for the IPV assistance studies included IPV recurrence and severity (64.3%) and health outcomes (50%). The included studies demonstrated a number of methodological limitations as identified by the Cochrane Risk of Bias instrument. CONCLUSIONS: IPV identification and assistance programs are evaluated using many different outcome measures. Although this diversity enriches the IPV literature, it makes it challenging to compare studies. The results of this review highlight the challenges of conducting research in the field of IPV and the complexity of selecting, measuring, and interpreting outcomes.
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 | 0,021 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».