Variability in Child Protection Medical Evaluations of Suspected Physical Abuse in Four European Countries: A Vignette Study
Notice bibliographique
Résumé
When suspicions of physical abuse arise, children are referred for a child protection medical evaluation, which occurs in a variety of health settings by a variety of clinicians. This comparative vignette survey was performed among a cross‐section of medical professionals engaged in child protection in Sweden, Ireland, the UK and the Netherlands between April and July 2016. Three vignettes describing different probabilities of physical abuse were included. Components of child protection medical evaluations across the four countries were analysed. A total of 236 physicians responded (113 UK, 49 the Netherlands, 39 Sweden, 35 Ireland). Of these, 62 per cent were female (there were more females in the UK, Sweden and the Netherlands). More variation in practice than similarities was found. Similarities: experience level, confidence level and management approach (vignettes 1 and 3). Cross‐country differences: decision to investigate, adherence to national guidelines, experience versus specialism and subsequent management post‐assessment. These findings suggest the need for further exploration of practice between countries including specific and regular training, availability of support for non‐specialists and use of national and international clinical guidelines to promote best practice and reduce variation. More consideration of the human and financial cost to the healthcare system of unnecessary investigations and the length of hospital admission may be warranted. Key Practitioner Messages There is a lack of uniformity in the clinical management of physical abuse between these four European countries. Specific and regular training included in professional development plans and discussed at appraisal will promote clinician confidence in assessments. Expert support should be easily available to non‐specialists undertaking these assessments. National and local clinical guidelines are important tools in promoting best practice and reducing variation across and within countries.
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 | 0,011 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».