Assessment of knowledge, attitude, and practice of child abuse amongst health care professionals working in tertiary care hospitals of Karachi, Pakistan
Notice bibliographique
Résumé
INTRODUCTION: UNICEF report (2004) states that a significant percentage of total child population under the age of 5 years suffered malnutrition. Child sexual abuse remains undiscussed across Pakistan. Health care professionals (HCPs) are usually the first notifiers of child abuse and are ethically obliged to manage and report it. OBJECTIVE: This study was conducted to assess HCPs' response in dealing with patients of child abuse. With a better understanding, we can have a better outcome for the victims. METHODS: A total of 101 participants filled out a structured questionnaire by HCPs working in three tertiary hospitals of Karachi i.e., Aga Khan University, National Institute of Child Health (NICH), and Civil Hospital. Data were entered into SPSS 19.0. RESULTS: HCPs believed that young male relatives were thought to be most likely the offender, and that every child regardless of class is prone to get abused triggered by financial stressors and the absence of parents. Proper physical exams helped identify cases. A proper system of reporting was required in hospitals, but HCPs were reluctant to report the cases to authorities. There was a significant difference noted between public and private hospitals. CONCLUSION: Our findings indicate that HCPs have limited knowledge in defining various types of abuse and most were unaware of any reporting facility in hospitals. Senior HCPs as consultants have a better understanding of child abuse than nurses or interns. Mandatory reporting should be implicated so that prompt action could be taken. There could be a more successful outcome of managing a child abuse victim with proper training.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».