Health of children in Australian immigration detention centres: An analysis of the quarterly health reports from 2014 to 2017
Notice bibliographique
Résumé
AIM: This study examines 3 years of child and adolescent health data from Australian onshore and offshore immigration detention centres from 2014 to 2017, quantifying the health presentation data of children and adolescents in Australian immigration detention and comparing rates between onshore and offshore detention. METHODS: This study utilised the Quarterly Immigration Detention Health Reports over a period of 3 years. To compare onshore and offshore datasets, we calculated the rate of health events per quarter against the estimated quarterly onshore and offshore detention population of children. We ran a series of two-proportion z-tests for each matched quarter to calculate median z and P values for all quarters. These were used as an indicator as to whether the observed differences between onshore and offshore events were statistically significant. RESULTS: The estimated number of children detained per quarter onshore ranged from 700 in 2014 (quarter 3) to 13 in 2016 (quarters 3 and 4); the estimated quarterly population of children in offshore detention ranged from 186 in 2014 (quarter 3) to 42 in 2017 (quarter 2). Children offshore had significantly higher rates of consultations with a mental health nurse (z = -1.96; P = 0.002), psychologist (z = -2.32; P = 0.01) and counsellor (z = -3.41; P < 0.001). As for reasons for presentation to general practitioners and psychiatrists, complaints related to skin (z = -1.97; P = 0.05), respiratory issues (z = -1.96; P = 0.05) and urological issues (z = -2.21; P = 0.03) were significantly higher amongst children detained offshore. CONCLUSIONS: Compared to children in the Australian community, children detained both onshore and offshore had greater health needs. Children offshore also presented more frequently with a range of complaints and accessed health services at higher rates than children detained onshore; this adds to growing evidence about the harms of offshore detention and detention more generally.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».