Exploring the intersection of traumatic brain injury and mental health in survivors of intimate partner violence
Notice bibliographique
Résumé
Introduction: One in four Canadian women experience intimate partner violence (IPV) in their lifetime. The COVID-19 pandemic has significantly increased rates of IPV globally and the level of violence encountered, exposing IPV survivors to greater risk of physical injury, including traumatic brain injury (TBI). Up to 75% of survivors are suspected of sustaining a TBI and 50-75% experience mental health or substance use challenges (MHSU) as a result of IPV, resulting in extensive personal, social, and economic implications. Objective: The objective of this scoping review was to synthesize what is currently known in the literature about MHSU and TBI among survivors of IPV and identify gaps. Methods: MEDLINE, EMBASE, PsycINFO, CINAHL, Cochrane, Scopus, and Web of Science were searched for relevant articles using a search strategy including text words and subject headings related to TBI, IPV, and MHSU. Two reviewers independently assessed articles for inclusion. Results: The search identified 399 unique articles, 34 of which were included in this study. Of these, 11 articles reported on MHSU in IPV-related TBI and 9 articles reported on both TBI and MHSU in IPV but did not discuss the groups together. The remainder were reviews or theses that noted MHSU in IPV-related TBI. Included articles predominantly focused on cis-gendered women in heterosexual relationships and were conducted in the United States. Only three articles focused on the experiences of Black or Indigenous women and none of the included studies discussed implications of co-occurring TBI and MHSU on survivor’s healthcare-related needs or access to care. Conclusions: Despite the high rates of co-occurring TBI and MHSU among survivors of IPV, there is little research on this intersection and no investigation of the impacts on the health system. Future research should focus on identifying the healthcare-related needs of survivors and identifying and mitigating barriers to access.
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 | 0,006 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».