Referrals to child and family services during the COVID-19 pandemic: An analysis of administrative data from British Columbia and Northwest Territories, Canada
Notice bibliographique
Résumé
BACKGROUND: Evidence about the impact of the pandemic on child and family services in Canada is limited. OBJECTIVES: To determine if patterns of referrals changed in relation to in-person school closures/re-openings during the pandemic compared with a pre-pandemic period and to assess variations in referral volumes by child age and sex, referral source, child maltreatment type, and service response. PARTICIPANTS AND SETTING: De-identified record-level administrative data from child and family services in British Columbia (BC) and Northwest Territories (NWT), Canada were analyzed. METHODS: We used frequencies and relative percent change (RPC) to assess monthly changes in referrals in the pre-pandemic and pandemic periods, stratified by age, sex, referral source, maltreatment type, and service response. We conducted t-tests for differences in the average number of referrals between each month in 2020/2021 versus the corresponding month in 2019 and used t-tests and Chi-square tests to examine the overall differences between the pre-pandemic 12-month period and the first 12 months of the pandemic. RESULTS: In BC, referrals to child and family services decreased significantly in April and May 2020 (RPC: 26.2 %, 22.6 %, respectively, p < 0.05) compared with the same months in 2019. This was followed by an upturn in June 2020, which was statistically similar to June 2019. The sharpest reduction was for referrals made by school/childcare personnel (RPC: 73.4 %, 73.8 %, respectively, p < 0.05). In NWT, patterns were similar. For both jurisdictions, the total number of referrals was not statistically different after schools re-opened in August-September 2020, compared with the same period in 2019. CONCLUSION: The decrease in all referrals and referrals from school/childcare personnel in BC and NWT appears to correspond with pandemic-related school closures early in 2020.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,016 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».