MétaCan
Menu
Retour à la cohorte
Enregistrement W4390910801 · doi:10.1186/s40621-024-00483-8

Economic hardship and perpetration of intimate partner violence by young men in South Africa during the COVID-19 pandemic (2021–2022): a cross-sectional study

2024· article· en· W4390910801 sur OpenAlexafffund
Campion Zharima, Kalysha Closson, Mags Beksinska, Bongiwe Zulu, Julie Jesson, Tatiana Pakhomova, Erica Dong, Janan Dietrich, Angela Kaida, C. Andrew Basham

Notice bibliographique

RevueInjury Epidemiology · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntimate Partner and Family Violence
Établissements canadiensWomen's Health Research InstituteSimon Fraser UniversityBC Children's Hospital
Organismes subventionnairesDivision of Research Capacity DevelopmentMitacs
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)Cross-sectional study2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Public healthBiostatisticsMedicineOccupational safety and healthEnvironmental healthPoison controlSuicide preventionEpidemiologyInjury preventionHuman factors and ergonomicsDomestic violenceVirologyNursingOutbreakInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Economic hardship is a potential trigger for intimate partner violence (IPV) perpetration. While higher IPV rates have been reported in low-income regions, few African studies have focused on IPV being triggered by economic hardship among young men during the COVID-19 pandemic. We therefore estimated economic hardship's effect on IPV perpetration by young men in eThekwini District, South Africa, during the COVID-19 pandemic. METHODS: A cross-sectional survey of COVID-19 pandemic experiences was conducted among youth aged 16-24 years through an anonymous self-administered questionnaire, including questions about economic hardship (increased difficulty accessing food or decreased income) and IPV perpetration. A prespecified statistical analysis plan with a directed acyclic graph of assumed exposure, outcome, and confounder relationships guided our analyses. We measured association of economic hardship and IPV perpetration through odds ratios (ORs) computed from a multivariable logistic regressions adjusted for measured confounders. Secondary outcomes of physical and sexual IPV perpetration were analyzed separately using the same specifications. Propensity score matching weights (PS-MW) were used in sensitivity analyses. Analysis code repository: https://github.com/CAndrewBasham/Economic_Hardship_IPV_perpetration/ RESULTS: Among 592 participants, 12.5% reported perpetrating IPV, 67.6% of whom reported economic hardship, compared with 45.6% of those not reporting IPV perpetration (crude OR = 2.49). Median age was 22 years (interquartile range 20-24). Most (80%) were in a relationship and living together. Three quarters identified as Black, 92.1% were heterosexual, and half had monthly household income < R1600. We estimated an effect of economic hardship on the odds of perpetrating IPV as OR = 1.83 (CI 0.98-3.47) for IPV perpetration overall, OR = 6.99 (CI 1.85-36.59) for sexual IPV perpetration, and OR = 1.34 (CI 0.69-2.63) for physical IPV perpetration. PS-MW-weighted ORs for IPV perpetration by economic hardship were 1.57 (overall), 4.45 (sexual), and 1.26 (physical). CONCLUSION: We estimated 83% higher odds of self-reported IPV perpetration by self-reported economic hardship among young South African men during the COVID-19 pandemic. The odds of sexual IPV perpetration were The seven-times higher by economic hardship, although with limited precision. Among young men in South Africa, economic hardship during COVID-19 was associated with IPV perpetration by men. Our findings warrant culturally relevant and youth-oriented interventions among young men to reduce the likelihood of IPV perpetration should they experience economic hardship. Further research into possible causal mechanisms between economic hardship and IPV perpetration could inform public health measures in future pandemic emergencies.

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)0,003
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 enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,069
Tête enseignante GPT0,408
Écart entre enseignants0,340 · 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

Citations12
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInjury EpidemiologyMême sujetIntimate Partner and Family ViolenceTravaux en français237 207