Intimate Partner Violence in COVID-19: A Literature Review
Notice bibliographique
Résumé
Abstract The silent pandemic that rages simultaneously behind the scenes of the COVID-19 is intimate partner violence (IPV). Intimate partner violence occurs when one partner uses abusive behavior to control or harm the other partner in the relationship. Due to public health orders including the stay-at-home initiated in response to the pandemic from March 2020 IPV incidents have increased. Purpose: The purpose of this study is to review the current literature that evaluates the impact that the COVID-19 public health orders have had on the IPV victims during the pandemic. Research Question:How have IPV victims been impacted by the COVID-19 pandemic? Method: A targeted literature review using PICO format (population, intervention, comparison, and outcomes) examines how IPV victims have been impacted by the COVID-19 pandemic and factors associated with the increased rates of IPV. Results: Comparisons of pre-COVID-19 IPV rates to the rates of IPV during the pandemic reveal outcomes an elevated number of IPV numbers during the pandemic, particularly with the abuse that is more severe. Risk factors for the increased rate of IPV included financial factors, care giver burnout, stress and other factors are discussed. Implications: Health care professionals have a key role to play in helping IPV victims to access resources Key words: COVID-19, novel corona virus, intimate partner violence, domestic violence, nursing
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».