Population-Based Approaches to Prevent Domestic Violence against Women Using a Systematic Review
Notice bibliographique
Résumé
Objective: In this systematic review, we aimed to evaluate the existing strategies and interventions in domestic violence prevention to assess their effectiveness. Method: To select studies, Pubmed, ISI, CINAHL, PsycINFO, Cochrane, Scopus, Embase, Ovid, Science Direct, ProQuest, and Elsevier databases were searched. Two authors reviewed all papers using established inclusion/ exclusion criteria. Finally, 18 articles were selected and met the inclusion criteria for assessment. Following the Cochrane quality assessment tool and AHRQ Standards, the studies were classified for quality rating based on design and performance quality. Two authors separately reviewed the studies and categorized them as good, fair, and poor quality. Results: Most of the selected papers had fair- or poor-quality rating in terms of methodology quality. Different intervention methods had been used in these studies. Four studies focused on empowering women; 3, 4, and 2 studies were internet-based interventions, financial interventions, and relatively social interventions, respectively. Four interventions were also implemented in specific groups. All authors stated that interventions were effective. Conclusion: Intervention methods should be fully in line with the characteristics of the participants. Environmental and cultural conditions and the role of the cause of violence are important elements in choosing the type of intervention. Interventions are not superior to each other because of their different applications.
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 | 0,015 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,009 |
| Bibliométrie | 0,020 | 0,014 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».