Measuring Trauma- (and Violence-) Informed Care: A Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Trauma- (and violence-) informed care (T(V)IC) has emerged as an important practice approach across a spectrum of care settings; however how to measure its implementation and impact has not been well-examined. The purpose of this scoping review is to describe the nature and extent of available measures of T(V)IC, including the cross-cutting concepts of vicarious trauma and implicit bias. Using multiple search strategies, including searches conducted by a professional librarian from database inception to Summer 2020, 1074 articles were retrieved and independently screened for eligibility by two team members. A total of 228 were reviewed in full text, yielding 13 measures that met pre-defined inclusion criteria: 1) full-text available in English; 2) describes the initial development and validation of a measure, that 3) is intended to be used to evaluate T(V)IC. A related review of vicarious trauma measures yielded two that are predominant in this literature. Among the 13 measures identified, there was significant diversity in what aspects of T(V)IC are assessed, with a clear emphasis on "knowledge" and "safety", and less on "collaboration/choice" and "strengths-based" concepts. The items and measures are roughly split in terms of assessing individual-level knowledge, attitudes and practices, and organizational policies and protocols. Few measures examine structural factors, including racism, misogyny, poverty and other inequities, and their impact on people's lives. We conclude that existing measures do not generally cover the full potential range of the T(V)IC, and that those seeking such a measure would need to adapt and/or combine two or more existing tools.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle