MétaCan
Menu
Retour à la cohorte
Enregistrement W4301396550 · doi:10.1186/s12889-022-14224-3

Perspectives on delivering safe and equitable trauma-focused intimate partner violence interventions via virtual means: A qualitative study during COVID-19 pandemic

2022· article· en· W4301396550 sur OpenAlexafffundabout
Winta Ghidei, Stephanie Montesanti, Lana Wells, Peter H. Silverstone

Notice bibliographique

RevueBMC Public Health · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntimate Partner and Family Violence
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDomestic violencePsychological interventionThematic analysisMedicineService providerDisadvantagedPublic healthQualitative researchNursingPandemicPoison controlService delivery frameworkSuicide preventionPublic relationsEnvironmental healthService (business)BusinessCoronavirus disease 2019 (COVID-19)Economic growthSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The COVID-19 pandemic has been linked with increased rates of intimate partner violence (IPV) and associated experiences of compounded trauma. The emergence of this global pandemic and the public health measures introduced to limit its transmission necessitated the need for virtually delivered interventions to support continuity of care and access to interventions for individuals affected by IPV throughout the crisis. With the rapid shift to virtual delivery, understanding the barriers to accessing virtually delivering trauma-focused IPV interventions to these individuals was missed. This study aimed to qualitatively describe the challenges experienced by service providers with delivering virtually delivered IPV services that are safe, equitable, and accessible for their diverse clients during the COVID-19 pandemic. METHODS: The study involved semi-structured interviews with 24 service providers within the anti-violence sector in Alberta, Canada working with and serving individuals affected by IPV. The interviews focused on the perspectives and experiences of the providers as an indirect source of information about virtual delivery of IPV interventions for a diverse range of individuals affected by IPV. Interview transcripts were analyzed using inductive thematic analysis. RESULTS: Findings in our study show the concepts of equity and safety are more complex for individuals affected by IPV, especially those who are socially disadvantaged. Service providers acknowledged pre-existing systemic and institutional barriers faced by underserved individuals impact their access to IPV interventions more generally. The COVID-19 pandemic further compounded these pre-existing challenges and hindered virtual access to IPV interventions. Service providers also highlighted the pandemic exacerbated structural vulnerabilities already experienced by underserved populations, which intensified the barriers they face in seeking help, and reduced their ability to receive safe and equitable interventions virtually. CONCLUSION: The findings from this qualitative research identified key determining factors for delivering safe, equitable, and accessible virtually delivered intervention for a diverse range of populations. To ensure virtual interventions are safe and equitable it is necessary for service providers to acknowledge and attend to underlying systemic and institutional barriers including discrimination and social exclusion. There is also a need for a collaborative commitment from multiple levels of the social, health, and political systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,014
Communication savante0,0050,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,179
Tête enseignante GPT0,458
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetIntimate Partner and Family ViolenceTravaux en français237 207