How to Facilitate Disclosure of Violence while Delivering Perinatal Care: The Experience of Survivors and Healthcare Providers
Notice bibliographique
Résumé
Gender-based Violence (GBV) during the perinatal period is a serious concern as it is associated with many adverse outcomes for both the mother and the baby. It is well known that violence is under-reported. Thus, official statistics (both police reports and survey data) underestimate the prevalence of violence in general and during the perinatal period specifically. In this study conducted in Canada, we sought to explore the barriers to and facilitators of women disclosing their experiences of GBV within healthcare services to safely facilitate more disclosure in the future and reduce the harms that arise from GBV. We used thematic analysis to analyze in-depth interviews with 16 healthcare providers (nurses, midwives and physicians) and 12 survivors of GBV. The data reflect three main themes: "raising awareness of gender-based violence", "creating a shift in the healthcare system's approach toward gender-based violence" and "providing support for survivors and care providers." Our findings suggest that the healthcare system should increase its investments in raising awareness regarding GBV, training healthcare providers to respond appropriately, and building trust between survivors and healthcare providers. Healthcare providers need to be aware of their role and responsibility regarding identifying GBV as well as how to support survivors who talk about violence. Expanding a relationship-based approach in the care system and providing support for both survivors and health care providers would likely lead to more disclosures.
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 | 0,001 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».