Prevalence and Perception of Intimate Partner Violence-Related Traumatic Brain Injury
Notice bibliographique
Résumé
BACKGROUND: Traumatic brain injury (TBI) is a serious and often undiagnosed consequence of intimate partner violence (IPV). Data on prevalence of TBI among IPV survivors are emerging, but prevalence of IPV among patients presenting to TBI clinics is unknown. Identification of IPV is important to ensure patients with TBI receive appropriate intervention and referrals. OBJECTIVE: To determine the proportion of women 18 years and older presenting to an acquired brain injury (ABI) clinic with confirmed or suspected concussion who reported experiencing IPV in the last 12 months or their lifetime. METHODS: Single-center cross-sectional cohort study. Proportion of IPV-related TBI or head, neck, or facial) injuries were determined using a modified HELPS Brain Injury Screening Tool and the Neurobehavioral Symptom Inventory. RESULTS: Of the 97 women approached, 50 were enrolled in the study. The average age was 46.1 years and 32 women (64.0%) reported a relationship history with a violent partner; 12-month prevalence of IPV was 26.5% and lifetime prevalence was 44.0%. Within their lifetime, all (44.0%) who reported an IPV history reported emotional abuse, 24.0% reported physical abuse, and 18.0% sexual abuse. HELPS responses indicated a high potential of lifetime IPV-related TBI for 29.2%, most commonly from being hit in the face or head (20.8%). CONCLUSION: Implementation of IPV screening in community-based ABI clinics is a pivotal step toward understanding the potential scope of TBI and addressing the wide range of somatic, cognitive, and affective symptoms experienced by IPV survivors. IPV screening also will lead to timely referral and follow-up and increase patient safety after discharge from rehabilitation.
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 | 0,004 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».