The relationships between harsh physical punishment and child maltreatment in childhood and intimate partner violence in adulthood
Notice bibliographique
Résumé
BACKGROUND: Physical punishment of children is an important public health concern. Yet, few studies have examined how physical punishment is related to other types of child maltreatment and violence across the lifespan. Therefore, the objective of the current study was to examine if harsh physical punishment (i.e., being pushed, grabbed, shoved, hit, and/or slapped without causing marks, bruises, or injury) is associated with an increased likelihood of more severe childhood maltreatment (i.e., physical abuse, emotional abuse, sexual abuse, physical neglect, emotional neglect, and exposure to intimate partner violence (IPV)) in childhood and perpetration or victimization of IPV in adulthood. METHODS: Data were drawn from the National Epidemiologic Survey on Alcohol and Related Conditions collected in 2004 to 2005 (n = 34,402, response rate = 86.7%), a representative United States adult sample. RESULTS: Harsh physical punishment was associated with increased odds of childhood maltreatment, including emotional abuse, sexual abuse, physical abuse, physical neglect, emotional neglect, and exposure to IPV after adjusting for sociodemographic factors, family history of dysfunction, and other child maltreatment types (range 1.6 to 26.6). Harsh physical punishment was also related to increased odds of experiencing IPV in adulthood (range 1.4 to 1.7). CONCLUSIONS: It is important for parents and professionals working with children to be aware that pushing, grabbing, shoving, hitting, or slapping children may increase the likelihood of emotional abuse, sexual abuse, physical abuse, physical neglect, emotional neglect, and exposure to IPV in childhood and also experiencing IPV victimization and/or perpetration in later adulthood.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».