Measuring the Burden of Intimate Partner Violence by Sex and Sexual Identity: Results From a Random Sample in Toronto, Canada
Notice bibliographique
Résumé
Debates on how sex, gender, and sexual identity relate to intimate partner violence (IPV) are longstanding. Yet the role that measurement plays in how we understand the distribution of IPV has been understudied. We investigated whether people respond differently to IPV items by sex and sexual identity and the implications this has for understanding differences in IPV burdens. Our sample was 2,412 randomly selected residents of Toronto, Canada, from the Neighborhood Effects on Health and Well-being (NEHW) study. IPV was measured using short forms of the Physical and Nonphysical Partner Abuse Scales (20 items). We evaluated the psychometric properties of this measure by sex and sexual identity. We examined whether experiences of IPV differed by sex and sexual identity (accounting for age and neighborhood clustering) and the impacts of accounting for latent structure and measurement variance. We identified differential item functioning by sex for six items, mostly related to nonphysical IPV (e.g., partner jealousy). Males had higher probabilities of reporting five of the six items compared to females with the same latent IPV scores. Being female and identifying as lesbian, gay, or bisexual were positively associated with experiencing IPV. However, the association between female sex and IPV was underestimated when response bias was not accounted for and outcomes were dichotomized as "any IPV." Common practices of assuming measurement invariance and dichotomizing IPV can underestimate the association between sex or gender and IPV. Researchers should continue to attend to gender-based and intersectional differences in IPV but test for measurement invariance prior to comparing groups and analyze scale (as opposed to binary) measures to account for chronicity or intensity.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».