Child Abuse Incidences Per Child Year Predicted from the Available Average Incidence Combined with Foreign Incidences Per Child Year: Towards a New Policy
Notice bibliographique
Résumé
Child abuse is a worldwide recognized serious problem. Reliable child abuse incidences, preferably per child year, are fundamental for a sound detection and prevention program. Unfortunately, in most countries where child abuse data is available, incidences are not determined per child year but as an average over the child age range. In this paper we suggest a possible "next-best" solution for deriving child abuse incidences per child year when only an average value is available in an area or country. As method, we combined the country's measured average incidence with available (foreign) incidences per child year. The country's next-best incidences per child year will be estimated from its average, multiplied by the foreign incidences per child year divided by the foreign average. As results, we calculated the next-best Dutch age-dependent incidences by combining the Dutch average value with US and Ontario age-related incidences. We found comparable results for infants above 1 year and marked differences for children <1 year, likely due to cultural differences between the US and Ontario. In conclusion, next-best age-related child abuse incidences are obtainable in large areas or countries by choosing a smaller but representative region, the latter estimated from Ontario-data as ≥210,000 inhabitants, and establishing as perfectly as possible the optimal infra structure. A future perspective towards a new policy could be to initiate and stimulate this approach in the various European Union and United Nations Convention on the Rights of the Child member states.
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 | 0,009 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».