Predicting Intimate Partner Violence Perpetration Among Young Adults Experiencing Homelessness in Seven U.S. Cities Using Interpretable Machine Learning.
Notice bibliographique
Résumé
Young adults experiencing homelessness (YAEH) are at higher risk for intimate partner violence (IPV) victimization than their housed peers. This is often due to their increased vulnerability to abuse and victimization before and during homelessness, which can result in a cycle of violence in which YAEH also perpetrates IPV. Identifying and addressing factors contributing to IPV perpetration at an early stage can reduce the risk of IPV. Yet to date, research examining YAEH's IPV perpetration is scarce and has largely employed conventional statistical approaches that are limited in modeling this complex phenomenon. To address these gaps, this study used an interpretable machine learning approach to answer the research question: <i>What are the most salient predictors of IPV perpetration among a large sample of YAEH in seven U.S. cities?</i> Participants (<i>N</i> = 1,426) on average were 21 years old (<i>SD</i> = 2.09) and were largely cisgender males (59%) and racially/ethnically diverse (81% were from historically excluded racial/ethnic groups; i.e., African American, Latino/a, American Indian, Asian or Pacific Islander, and mixed race/ethnicity). Over one-quarter (26%) reported IPV victimization, and 20% reported IPV perpetration while homeless. Experiencing IPV victimization while homeless was the most important factor in predicting IPV perpetration. An additional 11 predictors (e.g., faced frequent discrimination) were positively associated with IPV perpetration, whereas 8 predictors (e.g., reported higher scores of mindfulness) were negatively associated. These findings underscore the importance of developing and implementing effective interventions with YAEH that can prevent IPV, particularly those that recognize the positive association between victimization and perpetration experiences.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 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 ».