Identifying child maltreatment during virtual medical appointments through the COVID-19 pandemic
Notice bibliographique
Résumé
Background: Throughout the COVID-19 pandemic there has been a documented decline in reports to child protective services, despite an increased incidence of child maltreatment. This is concerning for increasing missed cases. This study aims to examine if and how Canadian paediatricians are identifying maltreatment in virtual medical appointments. Methods: A survey was sent through the Canadian Paediatric Surveillance Program (CPSP) to 2770 practicing general and subspecialty paediatricians. Data was collected November 2021 to January 2022. Results: With a 34% (928/2770) response rate, 704 surveys were eligible for analysis. At least one case of child maltreatment was reported by 11% (78/700) of respondents following a virtual appointment. The number of cases reported was associated with years in medical practice (P = 0.026) but not with the volume (P = 0.735) or prior experience (P = 0.127) with virtual care, or perceived difficulty in identifying cases virtually (Cramer's V = 0.096). The most common factors triggering concern were the presence of social stressors, or a clear disclosure. The virtual physical exam was not contributory. Nearly one quarter (24%, 34/143) required a subsequent in-person appointment prior to reporting the case and 32% (207/648) reported concerns that a case had been identified late, or missed, following a virtual appointment. Some commented that clear harm resulted. Conclusions: Many barriers to detecting child maltreatment were identified by paediatricians who used virtual care. This survey reveals that virtual care may be an important factor in missed cases of child maltreatment and may present challenges to timely identification.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».