Child Maltreatment Reporting Practices by a Person Most Knowledgeable for Children and Youth: A Rapid Scoping Review
Notice bibliographique
Résumé
Child maltreatment is a global public health and child rights crisis made worse by the ongoing COVID-19 pandemic. While understanding the breadth of the child maltreatment crisis is foundational to informing prevention and response efforts, determining accurate estimates of child maltreatment remains challenging. Alternative informants (parents, caregivers, a Person Most Knowledgeable-PMK) are often tasked with reporting on children's maltreatment experiences in surveys to mitigate concerns associated with reporting child maltreatment. The overall purpose of this study was to examine child maltreatment reporting practices in surveys by PMKs for children and youth. The research question is: "What is the nature of the evidence of child maltreatment reporting practices in general population surveys by PMKs for children and youth?" A rapid scoping review was conducted to achieve the study's purpose. A search strategy was conducted in nine databases (e.g., MEDLINE, EBSCO, Scopus, Global Health, ProQuest). The findings from this review indicate that most studies involved PMK informants (i.e., maternal caregivers), included representative samples from primarily Western contexts, and utilized validated measures to assess child maltreatment. Half of the studies assessed involved multi-informant reports, including the PMKs and child/youth. Overall, the congruence between PMK-reported and child/youth-reported child maltreatment experiences was low-to-fair/moderate, and children/youth reported more maltreatment than the PMKs.
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 | 0,037 | 0,143 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,048 | 0,035 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».