Epidemiological and spatial characteristics of interpersonal physical violence in a Brazilian city: A comparative study of violent injury hotspots in familial versus non-familial settings, 2012-2014
Notice bibliographique
Résumé
This study explores both epidemiological and spatial characteristics of domestic and community interpersonal violence. We evaluated three years of violent trauma data in the medium-sized city of Campina Grande in North-Eastern Brazil. 3559 medical and police records were analysed and 2563 cases were included to identify socioeconomic and geographic patterns. The associations between sociodemographic, temporal, and incident characteristics and domestic violence were evaluated using logistic regression. Using Geographical Information Systems (GIS), we mapped victims' household addresses to identify spatial patterns. We observed a higher incidence of domestic violence among female, divorced, or co-habitant persons when the violent event was perpetrated by males. There was only a minor chance of occurrence of domestic violence involving firearms. 8 out of 10 victims of domestic violence were women and the female/male ratio was 3.3 times greater than that of community violence (violence not occurring in the home). Unmarried couples were twice as likely to have a victim in the family unit (OR = 2.03), compared to married couples. Seven geographical hotspots were identified. The greatest density of hotspots was found in the East side of the study area and was spatially coincident with the lowest average family income. Aggressor sex, marital status, and mechanism of injury were most associated with domestic violence, and low-income neighbourhoods were coincident with both domestic and non-domestic violence hotspots. These results provide further evidence that economic poverty may play a significant role in interpersonal, and particularly domestic violence.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».