A 15-Year Population-Based Investigation of Sexual Assault Cases Across the Province of Ontario, Canada, 2002–2016
Notice bibliographique
Résumé
Objectives. To estimate the population-level frequencies and standardized rates of sexual assault cases in the province of Ontario, Canada. Methods. We conducted a 15-year retrospective analysis (2002–2016) of sexual assault cases by linking 5 provincial administrative health databases. We defined sexual assault by an algorithm of 23 International Classification of Diseases, 10th Revision, and physician billing codes. We calculated age- and sex-stratified standardized rates per 100 000 census population, and we used age- and sex-stratified Poisson regressions to determine annual rate ratios. Results. Between 2002 and 2016, there were 52 780 incident cases of sexual assault in Ontario at a rate of 27.38 per 100 000 population. The highest rates were found among females aged 15 to 19 years (187 per 100 000) and 20 to 24 years (127 per 100 000). Among males, the highest rates were observed among children aged 0 to 4 years (41 per 100 000) and 5 to 9 years (29 per 10 000). Among males and females, the annual rate ratio increased among those aged 15 years and older and decreased among those aged 14 years and younger. Conclusions. Sexual assault was documented across all age groups and sexes, from children to elders, with high standardized rates among adolescents and children.
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 | 0,002 | 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 | 0,000 | 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 ».