A Scoping Review of Intimate Partner Violence Screening Programs for Health Care Professionals
Notice bibliographique
Résumé
INTRODUCTION: Between 38 and 59 percent of women presenting to health care professionals have experienced intimate partner violence. Consequently, multiple intimate partner violence identification or screening programs within health care settings have been developed; however, substantial variations in program content and interpretation of program effectiveness has resulted in conflicting practice guidelines. The purpose of our scoping review is to broadly identify and synthesize the available literature evaluating intimate partner violence identification programs within health care settings to identify key areas for potential evidence-based recommendations and to focus research priorities in the field. MATERIALS AND METHODS: We conducted a search of MEDLINE, Embase, Cumulative Index of Nursing and Allied Health Literature, Cochrane Database of Systematic Reviews, Cochrane Central Register of Controlled Trials, and psycINFO. We used broad eligibility criteria to identify studies that evaluated intimate partner violence identification programs in health care settings. We completed all screening and data extraction independently and in duplicate. We used descriptive statistics to summarize all data. RESULTS: We identified 59 eligible studies evaluating intimate partner violence identification programs within health care settings. The most commonly reported outcome themes were IPV disclosure (69%, n = 35), number of patients screened (39%, n = 20), HCP opinions towards screening (37%, n = 19), and patient opinions towards screening (29%, n = 15). The majority of studies (36 studies (70.6%)) reported positive program evaluation results. DISCUSSION: The majority of studies reported positive program evaluation results. This may suggest that many different intimate partner violence identification programs are beneficial for identifying victims of abuse, however, it remains unknown as to whether identification programs prevent future episodes of abuse. Additionally, the substantial heterogeneity of the intervention characteristics, study methodology, and outcome measures assessed limits the ability to make clear recommendations as to the optimal method(s) of screening.
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 | 0,037 | 0,153 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,028 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».