Prevention of Child Maltreatment: Commentary on Eckenrode, MacMillan and Wolfe
Notice bibliographique
Résumé
Introduction Child maltreatment affects more than one million American and Canadian children annually. That figure, based largely upon reports from child protective services, is widely regarded as seriously under-representing the actual scope of the problem because in population-based surveys about one-third of adults report having been abused as children. Neglect is more prevalent than abuse, but can be a precursor to abuse. Child maltreatment has negative consequences that reach beyond the immediate pain of childhood victimization. Dollar costs to society are great, and there are significant and serious lifetime mental and physical sequelae to victims, such as major depression and cardiovascular disease. John Eckenrode, Harriet MacMillan and David Wolfe have stressed the utility of the developmental-ecological and public-health models in preventing child maltreatment. In doing so, they note the need to identify effective prevention programs that address child maltreatment at multiple levels, including family, schools, the health-care system and the community. More and better surveillance and etiologic data and the establishment of attainable programmatic goals are further concerns of these authors.
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 | 0,012 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,004 | 0,009 |
| Science ouverte | 0,009 | 0,003 |
| Intégrité de la recherche | 0,057 | 0,069 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».