Methods and tools to screen and assess risks for intimate partner violence among women from culturally and linguistically diverse backgrounds in six high-income countries: A scoping review
Notice bibliographique
Résumé
Abstract Purpose The purpose of this review is to collate literature on approaches to screening women from culturally and linguistically diverse (CaLD) backgrounds for experiences of intimate partner violence (IPV) and assessing risks, with a view to identifying examples of best practice and research gaps. Methods A scoping review methodology was adopted. Medline (Ovid), Embase, CINALH and CENTRAL databases were searched, with supplementary searches for grey literature. Results were independently screened by two reviewers. Studies were included if they focused on women from CaLD backgrounds living in Australia, Canada, Ireland, New Zealand, United Kingdom or United States of America being screened/assessed in a health setting in relation to IPV. Data on study characteristics and key findings were extracted and critical appraisal of study quality was performed. Results A total of n = 1,320 results were yielded. After deduplication, the titles and abstracts of n = 846 studies were screened. A total of n = 5 studies were included in the final analysis, and four screening or risk assessment tools/methods were assessed (Danger Assessment for Immigrant Women, Safe Start, Index of Spouse Abuse and Southern Asian Violence Screen). Conclusions Given the documented barriers to migrant help-seeking, screening and risk assessment has an important role to play in ensuring that women from CaLD backgrounds are linked into appropriate IPV support services in a timely manner. However, there is very limited evidence to demonstrate that existing screening/risk assessment tools and strategies meet the specific needs of CaLD populations, and more attention needs to be given to intersectional experiences of violence.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».