Prevalence of Sexual Assault in Abakaliki, Ebonyi State, Nigeria
Notice bibliographique
Résumé
BACKGROUND: Sexual assault (SA) is an umbrella terminology which encompasses a wide range of sexual offenses extending to actual or attempted unlawful sexual penetration also called rape. It is a common phenomenon which occurs worldwide. OBJECTIVES: To estimate the prevalence of different types of sexual assault and to describe the methods of penetration used (e.g., incapacitation, physical force, verbal coercion). METHOD: This study was carried out at the Department of Morbid Anatomy, Federal Teaching Hospital, Abakaliki and it was a one year retrospective study in which cases of rape were reviewed. The work analyzed 31 cases of rape in Accident and Emergency Department of the Hospital over a one year period from January 2017 to December 2017. RESULT: The mean age (in years)of all subjects in this study was 32.09±17.9 SD. The age range was 0–59 years. The groups of highest number of cases (12, 38.7%; 11, 35.5%) were at the age groups 10-19 years and 0-9 years, respectively. In addition, there was no case of rape involving any male victim in this study. Moreover, no case involving females aged 60 years and above was seen. Children were found to be sexually abused more than the adults. The differences between age distributions of cases according to sex in this study were statistically significant with the P-value of 0.001. Neighbors were discovered to be the highest perpetrators of sexual assault accounting for the highest number of cases 8 (25.8%). In most cases 20 (64.5%), the victims were raped by single assailant and the majority of them in this category were children. CONCLUSION: Although the prevalence of sexual assault in this study appears to be low, it confirms the existence of the phenomenon in Abakaliki, Nigeria, and a major cause for concern is the fact that those affected were predominantly young children. To curb this heinous act, parents must be vigilant and closely monitor their children, while the government should enact stringent laws and be ready to wield the big stick in situations of need.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».