Inflicted violence-related injuries among children and youth in Ontario during the COVID-19 pandemic
Notice bibliographique
Résumé
During the COVID-19 pandemic, it was hypothesized that stay-at-home policies would impact cases of violence, abuse, and neglect among children and youth due to increased familial stressors. We examined the effect of the implementation of pandemic policies on violence-related emergency department (ED) visits and hospitalizations among youth. and Setting: Violence-related ED visits and hospitalizations among children and youth ages 0–19 in Ontario, Canada were obtained from April 2015 until the most recent available date, March 31, 2022. We used an interrupted time series design to model the change in monthly violence-related ED visits and hospitalizations before and during the pandemic. We used negative binomial models to estimate the immediate effect of the policy and the change in the number of injuries during the pandemic. After adjusting for seasonality and population changes over our study period, we observed a 56% decrease in violence-related ED visits (RR: 0.44, 95%CI: 0.38, 0.50) and a 35% decrease in hospitalizations (RR: 0.65, 95%CI: 0.52, 0.82) immediately after the implementation of the pandemic policy, followed by moderate increasing trends. We observed no difference in the rate of violence-related ED visits and hospitalizations by sex, age or material deprivation; however, males aged 10–19 years and those in higher quintiles of material deprivation had higher average rates of injuries compared to females, those in younger age groups and lower quintiles of deprivation over the study period. We observed an abrupt decrease in the rate of violence-related ED visits and hospitalizations immediately after the onset of pandemic policies in Ontario. Following this, violence-related injuries increased, approaching pre-pandemic levels.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».