Health status among women and men in Canada who reported experiences of non-physical intimate partner violence
Notice bibliographique
Résumé
Introduction: Intimate Partner Violence (IPV) is recognized as a public health problem that has profound negative consequences for physical and mental health and well-being. Previous research has focused primarily on physical and sexual IPV; non-physical IPV has been understudied, particularly among men. Methods: Using data from Statistic Canada's 2018 Survey of Safety in Public and Private Spaces, we examined associations between non-physical IPV and nine heath status variables: fair/poor mental health, fair/poor general health, dissatisfaction with life, pain, use of medication, suicidal thoughts, mood disorder, anxiety disorder, and PTSD. Results: Women (13.3 %) and men (12.6 %) were equally likely to report non-physical IPV in the past year, often without co-occurring physical/sexual IPV. Bivariate analyses revealed that non-physical IPV increased the risk of reporting all negative health status variables except pain. When associations were examined in relation to the frequency of non-physical IPV, a gradient was observed. In multivariable analyses that controlled for potential confounders, most associations observed in the bivariate analyses persisted, but associations were somewhat attenuated when controlling for co-occurring physical/sexual IPV. Conclusions: Non-physical IPV, particularly if it happens frequently, is strongly associated with negative health, often independent of co-occurring physical/sexual IPV. Longitudinal studies have found that non-physical IPV is a predictor of subsequent physical/sexual IPV, further increasing the risk of negative health. This underscores the importance of specifically addressing non-physical IPV through public health prevention programs and the need for it to be recognized as a form of IPV that is as important as physical and sexual IPV.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».