Prevalence, determinants, and trends in the experience and perpetration of intimate partner violence among a cohort of gay, bisexual, and other men who have sex with men in Montréal, Toronto, and Vancouver, Canada (2017-2022)
Notice bibliographique
Résumé
Abstract Purpose Longitudinal data on the experience and perpetration of intimate partner violence (IPV) among gay, bisexual, and other men who have sex with men (GBM) is limited. We estimated the prevalence of past six-month (P6M) physical and/or sexual IPV (hereafter IPV) experience and perpetration, identified their determinants, and assessed temporal trends, including the impact of the COVID-19 pandemic. Methods We used data from the Engage Cohort Study (2017-2022) of GBM recruited using respondent-driven sampling in Montréal, Toronto, and Vancouver. Adjusted prevalence ratios (aPR) for determinants and self-reported P6M IPV were estimated using generalized estimating equations, accounting for attrition (inverse probability of censoring weights) and relevant covariates. Longitudinal trends of IPV were also assessed. Results Between 2017-2022, 1,455 partnered GBM (median age 32 years, 82% gay, and 71% white) had at least one follow-up visit. Baseline proportions were 31% for lifetime IPV experience and 17% for lifetime perpetration. During follow-up, P6M IPV experience was more common (6%, 95%CI: 5-7%) than perpetration (4%, 95%CI: 3-5%). Factors associated with P6M IPV experience include prior IPV experience (aPR=2.79, 95%CI: 1.83-4.27), less education (aPR=2.08, 95%CI: 1.14-3.79), and substance use (injection aPR=5.68, 95%CI: 2.92-11.54, non-injection aPR=1.70, 95%CI: 1.05-2.76). Similar factors were associated with IPV perpetration. IPV was stable over time; periods of COVID-19 restrictions were not associated with IPV changes in this cohort. Conclusion Prevalence of IPV was high among GBM. Determinants related to marginalization are associated with an increased risk of IPV. Interventions should address these determinants to reduce IPV and improve health.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».