Intimate Partner Violence (IPV) in Military and Veteran Populations: A Systematic Review of Population-Based Surveys and Population Screening Studies
Notice bibliographique
Résumé
Intimate partner violence (IPV) may be a major concern in military and veteran populations, and the aims of this systematic review were to (1) provide best available estimates of overall prevalence based on studies that are most representative of relevant populations, and (2) contextualise these via examination of IPV types, impacts, and context. An electronic search of PsycINFO, CINHAL, PubMed, and the Cochrane Library databases identified studies utilising population-based designs or population screening strategies to estimate prevalence of IPV perpetration or victimisation reported by active duty (AD) military personnel or veterans. Random effects meta-analyses were used for quantitative analyses and were supplemented by narrative syntheses of heterogeneous data. Thirty-one studies involving 172,790 participants were included in meta-analyses. These indicated around 13% of all AD personnel and veterans reported any recent IPV perpetration, and around 21% reported any recent victimisation. There were higher rates of IPV perpetration in studies of veterans and health service settings, but no discernible differences were found according to gender, era of service, or country of origin. Psychological IPV was the most common form identified, while there were few studies of IPV impacts, or coercive and controlling behaviours. The findings demonstrate that IPV perpetration and victimisation occur commonly among AD personnel and veterans and highlight a strong need for responses across military and veteran-specific settings. However, there are gaps in understanding of impacts and context for IPV, including coercive and controlling behaviours, which are priority considerations for future research and policy.
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 | 0,019 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».