Domestic violence calls for police service in five US cities during the COVID-19 pandemic of 2020
Notice bibliographique
Résumé
BACKGROUND: When COVID-19 stay-at-home orders were instituted, there were concerns that isolation may lead to increases in domestic violence (DV). Reports of increased rates of DV during the stay-at-home period have been suggestive of this but inconsistent across different locations. We sought to complement the existing studies by characterizing changes in DV trends in US cities of Chicago, Los Angeles (LA), New York City (NYC), Philadelphia, and Phoenix using police call volume data from January 1st, 2018, through Dec 31st, 2020. METHODS: The stay-at-home orders were generally instituted for most US states in the second half of March 2020. We used the call volume for the pre-COVID-19 period (Jan. 2018 to Feb. 2020) to model a forecast against the stay-at-home order period (Mar. - May 2020) and the period after lifting the order (June - Dec. 2020) using the interrupted autoregressive integrated moving average (ARIMA) time series model. RESULTS: During the stay-at-home order, increases in mean DV calls relative to pre-COVID-19 were observed in Chicago (47.8%), Phoenix (18.4%), NYC (3.5%), and LA (3.4%), but a decrease in Philadelphia (-4.9%). After lifting the stay-at-home order, changes in mean calls relative to pre-COVID-19 remained elevated in Chicago, slightly elevated in Phoenix, and returned to baseline in NYC and LA. CONCLUSION: Results suggest that the stay-at-home orders may have contributed to an increase in DV calls in some cities (Phoenix, and to a smaller extent LA, NYC), but the increase seen in Chicago (and to some extent Phoenix) persisted beyond the stay-at-home order and therefore may not be attributable to the stay-at-home orders. Additional studies are needed to help explain why the association between stay-at-home orders and DV police call volume seems to only appear in some locations.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».