Physical abuse of young children during the COVID-19 pandemic: Alarming increase in the relative frequency of hospitalizations during the lockdown period
Notice bibliographique
Résumé
BACKGROUND: In France, the COVID-19 pandemic led to a general lockdown from mid-March to mid-May 2020, forcing families to remain confined. We hypothesized that children may have been victims of more physical abuse during the lockdown, involving an increase in the relative frequency of hospitalization. METHODS: Using the national administrative database on all admissions to public and private hospitals (PMSI), we selected all children aged 0-5 years hospitalized and identified physically abused children based on ICD-10 codes. We included 844,227 children hospitalized in March-April 2017-2020, of whom 476 (0.056%) were admitted for physical abuse. Relative frequency of hospitalization for physical abuse observed in March to April 2020 were compared with those from the same months in the three previous years (2017-2019). FINDINGS: Even if absolute number of children exposed to physical abuse did not fluctuate significantly, we found a significant increase in the relative frequency of young children hospitalized for physical abuse from 2017 (0.053%) to 2020 (0.073%). Compared with the 2017-2019 period, and considering the observed decrease in the number of overall hospital admissions during the first lockdown, the number of children exposed to physical violence was 40% superior to what would be expected. INTERPRETATION: The sharp increase in the relative frequency of hospitalizations for physical abuse in children aged 0-5 years in France is alarming. As only the most severe cases were brought to the hospital for treatment during the lockdown, our figures probably only represent the tip of the iceberg of a general increase of violence against young children.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».