Secondary and Tertiary Prevention for Adolescent Dating Violence: A Systematic Review
Notice bibliographique
Résumé
Adolescent dating violence (ADV) is a pervasive public health issue associated with numerous social, psychological, and physical health consequences. Thus, programs are often implemented to prevent ADV and promote healthy relationships. Although there is a growing body of literature on primary ADV prevention strategies (i.e., prevention), little is known about secondary (e.g., early intervention) and tertiary (e.g., manage and reduce impact once occurring) ADV prevention approaches. This systematic review, guided by Cochrane Review methodology, summarizes available evidence on secondary and tertiary ADV preventive interventions. The search had no date restriction and was conducted in eight databases in November 2022. Studies published in English and/or Spanish were included if they described the development, implementation, and/or evaluation of a secondary and/or tertiary preventive intervention for ADV. After screening the titles and abstracts of 3,645 articles, 31 articles were included in this study, reporting on 14 secondary, 3 primary/secondary, 6 secondary/tertiary, and 1 tertiary ADV preventive intervention. The included studies highlighted that available secondary ADV prevention strategies are quite effective in preventing ADV victimization and perpetration, and that the effects may be strongest for teens with a higher risk of being involved in an abusive relationship. The only included study that reported on a tertiary intervention was a program development study. Based on the lack of tertiary prevention strategies available for ADV, clinical interventions focusing on treating and reducing negative consequences after ADV are needed.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».