MétaCan
Menu
Retour à la cohorte
Enregistrement W4313325419 · doi:10.1001/jamanetworkopen.2022.48972

Population-Level Trends in Emergency Department Encounters for Sexual Assault Preceding and During the COVID-19 Pandemic Across Ontario, Canada

2022· article· en· W4313325419 sur OpenAlexaffabout
Katherine A. Muldoon, Robert Talarico, Deshayne B. Fell, Heidi Illingworth, Kari Sampsel, Douglas G. Manuel

Notice bibliographique

RevueJAMA Network Open · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSexual Assault and Victimization Studies
Établissements canadiensChildren's Hospital of Eastern OntarioOttawa HospitalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésDemographyMedicinePoisson regressionPandemicEmergency departmentPopulationInjury preventionPoison controlOccupational safety and healthSuicide preventionCoronavirus disease 2019 (COVID-19)Medical emergencyPsychiatryEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Importance: Lockdown measures and the stress of the COVID-19 pandemic are factors associated with increased risk of violence, yet there is limited information on trends in emergency department (ED) encounters for sexual assault. Objective: To compare changes in ED encounters for sexual assault during the COVID-19 pandemic vs prepandemic estimates. Design, Setting, and Participants: This retrospective, population-based cohort study used linked health administrative data from 197 EDs across Ontario, Canada, representing more than 15 million residents. Participants included all patients who presented to an ED in Ontario from January 11, 2019, to September 10, 2021. Male and female individuals of all ages were included. Data analysis was performed from March to October 2022. Exposures: Sexual assault, defined through 27 International Statistical Classification of Diseases and Related Health Problems, Tenth Revision, procedure and diagnoses codes. Main Outcomes and Measures: Ten bimonthly time periods were used to compare differences in the frequency and rates of ED encounters for sexual assault between 2020 to 2021 (during the pandemic) compared with baseline prepandemic rates in 2019. Rate differences (RDs) and age adjusted rate ratios (aRRs) and Wald 95% CIs were calculated using Poisson regression. Results: From January 11, 2019, to September 10, 2021, there were 14 476 656 ED encounters, including 10 523 for sexual assault (9304 [88.4%] among female individuals). The median (IQR) age was 23 (17-33) years for female individuals and 15 (4-29) years for male individuals. Two months before the pandemic, ED encounters increased for sexual assault among female individuals (8.4 vs 6.9 cases per 100 000; RD, 1.51 [95% CI, 1.06 to 1.96]; aRR, 1.22 [95% CI, 1.09 to 1.38]) and male individuals (1.2 vs 1.0 cases per 100 000; RD, 0.19 [95% CI, 0.05 to 0.36]; aRR, 1.19 [95% CI, 0.87 to 1.64]). During the first 2 months of the pandemic, the rates decreased for female individuals (4.2 vs 8.3 cases per 100 000; RD, -4.07 [95% CI, -4.48 to -3.67]; aRR, 0.51 [95% CI, 0.44 to 0.58]) and male individuals (0.5 vs 1.2 cases per 100 000; RD, -0.72 [95% CI, -0.86 to -0.57]; aRR, 0.39 [95% CI, 0.26 to 0.58]). For the remainder of the study period, the rates of sexual assault oscillated, returning to prepandemic levels during the summer months and between COVID-19 waves. Conclusions and Relevance: These findings suggest that lockdown protocols should evaluate the impact of limited care for sexual assault. Survivors should still present to EDs, especially when clinical care or legal interventions are needed.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,191

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,096
Tête enseignante GPT0,386
Écart entre enseignants0,290 · 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'étudeObservationnel
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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetSexual Assault and Victimization StudiesTravaux en français237 207