MétaCan
Menu
Retour à la cohorte
Enregistrement W4393016966 · doi:10.2196/43563

Functional Impairment in Individuals Exposed to Violence Based on Electronical Forensic Medical Record Mining and Their Profile Identification: Controlled Observational Study

2024· article· en· W4393016966 sur OpenAlexvenueno aff
Ivan Lerner, Patrick Chariot, Thomas Lefèvre

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Observational studyPoison controlPsychologyMedicinePsychiatryInjury preventionClinical psychologyHealth careMedical emergency

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Little is known about the functional consequences of violence when directly assessed as a primary outcome, and even less about how consistently these consequences are evaluated in a judicial context. The World Health Organization (WHO) highlighted the importance of a functional approach to health in 2001 with the release of the International Classification of Functioning, Disability, and Health (ICF). In most European countries, forensic physicians assess individuals exposed to violence to evaluate the outcomes of violence, providing certified medical evidence for magistrates' sentencing decisions. This evaluation involves a mix of objective, subjective, and contextual elements, such as reported symptoms of fear, pain, and details of the assault. Quantifying these subjective elements with scales could enhance their interpretation and application in a judicial context. OBJECTIVE: This study aims to (1) characterize and (2) assess 6 scales measuring subjective elements of functional impairment among individuals exposed to violence. METHODS: We conducted a retrospective study that included individuals exposed to violence examined in a French department of forensic medicine over 12 months. A typology of violence encountered in medical settings was built based on the mining of electronic health records and the use of pattern recognition algorithms. The optimal number of violence types was determined using a robust and stable clustering approach, involving sample resampling and a multimetric scheme. Patients were then paired according to their homogeneous profiles, and the intra- and interrater reproducibility of the scales was evaluated. RESULTS: All pain, fear, and life threat scales were significantly associated with higher functional impairment, suggesting that these measures contribute to the overall assessment of functional impairment. The intra- and interrater reproducibility of scales among similar situations of violence was measured, ranging from mild to good, with coefficients of concordance between 0.46-0.66 and 0.43-0.66, respectively. Individuals reporting intimate partner violence showed higher scores in both fear and perception of a life threat during the assault and medical interview, while individuals reporting battery by multiple unknown assailants presented higher scores only in perception of a life threat during the assault. We identified 5 remarkably stable profiles of situations of violence, consistent with clinical practice. CONCLUSIONS: Pain, fear, and life threat scales were related to functional impairment according to expert knowledge and demonstrated fair reproducibility under real-life conditions for similar situations of violence. Subjective elements related to functional impairment in individuals exposed to violence can be quantified using Likert scales during medical interviews.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,175
Score d'incertitude au seuil0,484

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,076
Tête enseignante GPT0,359
Écart entre enseignants0,283 · 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 tête enseignante, 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetElder Abuse and NeglectTravaux en français237 207