COVID-19 and perinatal intimate partner violence: a cross-sectional survey of pregnant and postpartum individuals in the early stages of the COVID-19 pandemic
Notice bibliographique
Résumé
OBJECTIVE: The objectives of this study were to: (1) document violent and controlling behaviours within intimate partnerships during the perinatal period; and (2) determine individual, interpersonal and household-level factors influencing the risk of perinatal intimate partner violence (IPV). DESIGN: Cross-sectional survey. SETTING: The Ottawa Hospital, Department of Obstetrics and Gynecology, Ottawa, Ontario, Canada. PARTICIPANTS: Patients who gave birth at The Ottawa Hospital and were >20 days post partum between 17 March and 16 June 2020. MAIN OUTCOMES AND MEASURES: Perinatal IPV was defined as regular controlling behaviours or act-based forms of emotional/physical/sexual abuse in the 12 months before pregnancy, during pregnancy and/or post partum. Log-binomial multivariable regression models were used to compute adjusted risk ratios (aRRs) and 95% CIs to identify potential risk factors for IPV: maternal age, postpartum depression, parity, increase in partner substance use and household income. RESULTS: Among 216 participants, the median maternal age was 33 years (IQR: 30-36). In total, 52 (24.07%) reported some form of perinatal IPV, 37 (17.13%) reported regular controlling behaviour and 9 (4.17%) reported both. Household income below the municipal median was the strongest risk factor for perinatal IPV (aRR: 3.24, 95% CI: 1.87 to 5.59). There was no apparent association between maternal age (aRR: 0.99, 95% CI: 0.94 to 1.04), postpartum depression (aRR: 1.03, 95% CI: 1.00 to 1.07), nulliparity (aRR: 1.18, 95% CI: 0.71 to 1.97) or increases in partner substance use (aRR: 0.73, 95% CI: 0.42 to 1.25) with IPV. CONCLUSION: One in four individuals in this study experienced perinatal IPV. Household income was the strongest risk factor, and surprisingly, many hypothesised risk factors (eg, mental health, partner substance use, etc) were not significantly associated with perinatal IPV in this sample. This highlights the challenges in both measuring IPV and identifying individuals exposed to perinatal IPV during the high stress of the COVID-19 pandemic.
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 | 0,007 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».