MétaCan
Menu
Retour à la cohorte
Enregistrement W3112337930 · doi:10.23889/ijpds.v5i5.1562

Healthcare Use for Violent Injury After Intimate Partner Violence Identified Through the Justice System: A Data Linkage Study

2020· article· en· W3112337930 sur OpenAlexaffabout
Marcelo L. Urquía, Marcelo Nesca, Randy Walld, Wendy Au, Lorna Turnbull, Marni Brownell, Douglas A. Brownridge

Notice bibliographique

RevueInternational Journal for Population Data Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntimate Partner and Family Violence
Établissements canadiensSaint Paul UniversityUniversity of ManitobaManitoba Health
Organismes subventionnairesnon disponible
Mots-clésDomestic violenceMedicineHazard ratioPopulationHealth careEmergency departmentOccupational safety and healthPoison controlConfidence intervalDemographyMedical recordInjury preventionMedical emergencyPsychiatryEnvironmental healthPolitical scienceSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

IntroductionRoutine health care information systems only capture a portion of violence against women because some victimized women may not seek health care and some events may not require medical attention. Population-based estimates of the risk of violent injury (VI) among women with a history of intimate partner victimization (IPV) are lacking. Objectives and ApproachTo determine the risk of violent injury following IPV among women living in Manitoba, Canada, 2004-2016. Linked administrative justice, healthcare, and social databases were used. Exposure began after a woman was first involved with the Manitoba Justice system as a victim of IPV, assessed through provincial prosecution and disposition records. IPV victims (n= 20,469) were matched to three non-victims (n= 61,407) on age, relationship status and place of residence at the date of the IPV incident. The main outcomes were first health care use for violent injury and violent death. Outcomes were assessed through emergency department, hospital and vital statistics records. Conditional Cox Regression was used to obtain Hazard Ratios with 95% confidence intervals (CI). ResultsThe crude risk of VI was 8.5 per 1000 women among non-victims and 55.8 among victims of IPV. Compared to non-victims, IPV victims were 3.8 [95% confidence interval (CI): 3.4, 4.3] times more likely to suffer IIIO and 4.5 [95% CI: 2.3, 9.0] times to have a violent death, after adjustment. Victims had approximately half the risk of VI if the accused is on probation. Conclusion / ImplicationsJustice System-identified victims of IPV are at higher risk of assault and violent death than women not exposed to IPV. Justice involvement represents an opportunity for prevention of violent injury and homicide among IPV victims.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,345

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,011
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,222
Tête enseignante GPT0,483
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetIntimate Partner and Family ViolenceTravaux en français237 207