Child maltreatment during the COVID-19 pandemic: implications for child and adolescent mental health
Notice bibliographique
Résumé
As societies worldwide addressed the numerous challenges associated with the COVID-19 pandemic, a troubling concern emerged-the possible rise of child maltreatment, which is a pernicious risk factor for child and adolescent mental health difficulties. This narrative review aims to provide a comprehensive understanding of how the many changes and challenges associated with the pandemic influenced worldwide occurrences of child maltreatment and, subsequently, the mental health of children and adolescents. First, we present the well-established evidence regarding the impact of child maltreatment on the mental health of children and adolescents both before and during the COVID-19 pandemic. Next, we examine the existing literature on the prevalence of child maltreatment during the pandemic, explanations for conflicting findings, and key mechanisms influencing the prevalence of maltreatment. Using a heuristic model of child maltreatment and its downstream influence on child mental health, we discuss risk and protective factors for maltreatment as well as mechanisms by which maltreatment operates to influence child and adolescent mental health. Finally, based on the accumulated evidence, we provide important recommendations for advancing research on child maltreatment, emphasizing the necessity for routine monitoring of maltreatment exposure at a population level, and discussing the implications for the field of child protection. This comprehensive review aims to contribute to the understanding of the challenges arising from the intersection of the COVID-19 pandemic and child maltreatment, with the goal of informing effective interventions in the domain of child welfare.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».