A Systematic Review of Childhood Maltreatment Assessments in Population-Representative Surveys Since 1990
Notice bibliographique
Résumé
BACKGROUND: Population-representative surveys that assess childhood maltreatment and health are a valuable resource to explore the implications of child maltreatment for population health. Systematic identification and evaluation of such surveys is needed to facilitate optimal use of their data and to inform future research. OBJECTIVES: To inform researchers of the existence and nature of population-representative surveys relevant to understanding links between childhood maltreatment and health; to evaluate the assessment of childhood maltreatment in this body of work. METHODS: We included surveys that: 1) were representative of the non-institutionalized population of any size nation or of any geopolitical region ≥ 10 million people; 2) included a broad age range (≥ 40 years); 3) measured health; 4) assessed childhood maltreatment retrospectively; and 5) were conducted since 1990. We used Internet and database searching (including CINAHL, Embase, ERIC, Global Health, MEDLINE, PsycINFO, Scopus, Social Policy and Practice: January 1990 to March 2014), expert consultation, and other means to identify surveys and associated documentation. Translations of non-English survey content were verified by fluent readers of survey languages. We developed checklists to abstract and evaluate childhood maltreatment content. RESULTS: Fifty-four surveys from 39 countries met inclusion criteria. Sample sizes ranged from 1,287-51,945 and response rates from 15%-96%. Thirteen surveys assessed neglect, 15 emotional abuse; 18 exposure to family violence; 26 physical abuse; 48 sexual abuse. Fourteen surveys assessed more than three types; six of these were conducted since 2010. In nine surveys childhood maltreatment assessments were detailed (+10 items for at least one type of maltreatment). Seven surveys' assessments had known reliability and/or validity. CONCLUSIONS AND IMPLICATIONS: Data from 54 surveys can be used to explore the population health relevance of child maltreatment. Assessment of childhood maltreatment is not comprehensive but there is evidence of recent improvement.
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 | 0,033 | 0,151 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,029 | 0,037 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».