MétaCan
Menu
Retour à la cohorte
Enregistrement W2586781746 · doi:10.3390/bs7010006

Examining the Relationship between Economic Hardship and Child Maltreatment Using Data from the Ontario Incidence Study of Reported Child Abuse and Neglect-2013 (OIS-2013)

2017· article· en· W2586781746 sur OpenAlexaffabout
Rachael Lefebvre, Barbara Fallon, Melissa Van Wert, Joanne Filippelli

Notice bibliographique

RevueBehavioral Sciences · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensMcGill UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNeglectChild abuseIncidence (geometry)Child neglectPsychologyCriminologyDemographyDevelopmental psychologyHuman factors and ergonomicsPsychiatryPoison controlEnvironmental healthMedicineSociologyMathematics

Résumé

récupéré en direct d'OpenAlex

There is strong evidence that poverty and economic disadvantage are associated with child maltreatment; however, research in this area is underdeveloped in Canada. The purpose of this paper is to examine the relationship between economic hardship and maltreatment for families and children identified to the Ontario child protection system for a maltreatment concern. Secondary analyses of the Ontario Incidence Study of Reported Child Abuse and Neglect-2013 (OIS-2013) were conducted. The OIS-2013 examines the incidence of reported maltreatment and the characteristics of children and families investigated by child welfare authorities in Ontario in 2013. Descriptive and bivariate chi-square analyses were conducted in addition to a logistic regression predicting the substantiation of maltreatment. In 9% of investigations, the household had run out of money for food, housing, and/or utilities in the past 6 months. Children in these households were more likely to have developmental concerns, academic difficulties, and caregivers with mental health concerns and substance use issues. Controlling for key clinical and case characteristics, children living in families facing economic hardship were almost 2 times more likely to be involved in a substantiated maltreatment investigation (OR = 1.91, p < 0.001). The implications in regard to future research and promoting resilience are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,382
Tête enseignante GPT0,412
Écart entre enseignants0,030 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations105
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBehavioral SciencesMême sujetChild Abuse and TraumaTravaux en français237 207