The impact of environmental shocks due to climate change on intimate partner violence: A structural equation model of data from 156 countries
Notice bibliographique
Résumé
The impact of climate change on human societies is now well recognised. However, little is known about how climate change alters health conditions over time. National level data around climate shocks and subsequent rates of intimate partner violence (IPV) could have relevance for resilience policy and programming. We hypothesise that climate shocks are associated with a higher national prevalence of IPV two years following a shock, and that this relationship persists for countries with different levels of economic development. We compiled national data for the prevalence of IPV from 363 nationally representative surveys from 1993 to 2019. These representative data from ever-partnered women defined IPV incidence as any past-year act of physical and/or sexual violence. We also compiled data from the Emergency Events Database (EM DAT) on the national frequency of eight climate shocks from 1920 to 2022 within 190 countries. Using exploratory factor analysis, we fit a three-factor latent variable composed of climate shock variables. We then fit a structural equation model from climate shocks (lagged by two years) and IPV incidence, controlling for (log) national gross domestic product (GDP). National data representing 156 countries suggest a significant relationship between IPV and a climate factor (Hydro-meteorological) composed of storms, landslides and floods (standardised estimate = 0·32; SE = 0·128; p = 0·012). GDP has a moderately large cross-sectional association with IPV (estimate = -0·529; SE = 0·047; p = 0·0001). Other climate shocks (Geological: earthquakes/volcanos; Atmospheric: wildfire/droughts/extreme temperature) had no measurable association with IPV. Model fit overall was satisfactory (RMSEA = 0·064 (95%CI: 0·044–0·084); CFI = 0·91; SRMR = 0·063). Climate shocks have a longitudinal association with IPV incidence in global population-based data. This suggests an urgent need to address the higher prevalence of IPV likely to come about through climate shocks due to climate change. Our analysis offers one way policy makers could track national progress using existing data.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».