Examining the Effectiveness, Acceptability, and Feasibility of Virtually Delivered Trauma-Focused Domestic Violence and Sexual Violence Interventions: A Rapid Evidence Assessment
Notice bibliographique
Résumé
The COVID-19 pandemic has forced a rapid shift to virtual delivery of treatment and care to individuals affected by domestic violence and sexual violence. A rapid evidence assessment (REA) was undertaken to examine the effectiveness, feasibility and acceptability of trauma-focused virtual interventions for persons affected by domestic violence and sexual violence. The findings from this review will provide guidance for service providers and organizational leaders with the implementation of virtual domestic violence and sexual violence-focused interventions. The REA included comprehensive search strategies and systematic screening of and relevant articles. Papers were included into this review (1) if they included trauma-focused interventions; (2) if the intervention was delivered virtually; and (3) if the article was published in the English-language. Twenty-one papers met inclusion criteria and were included for analysis. Findings from the rapid review demonstrate that virtual interventions that incorporate trauma-focused treatment are scarce. Online interventions that incorporate trauma-focused treatment for this at-risk group are limited in scope, and effectiveness data are preliminary in nature. Additionally, there is limited evidence of acceptability, feasibility and effectiveness of virtual interventions for ethnically, culturally, and linguistically diverse populations experiencing domestic violence and sexual violence. Accessing virtual interventions was also highlighted as a barrier to among participants in studies included in the review. Despite the potential of virtual interventions to respond to the needs of individuals affected by domestic violence and/or sexual violence, the acceptability and effectiveness of virtual trauma-focused care for a diverse range of populations at risk of violence are significantly understudied.
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 | 0,131 | 0,376 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,013 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».