A Multidisciplinary Scoping Review of Interventions to Support Victims of Human Trafficking
Notice bibliographique
Résumé
Victims of human trafficking experience extensive trauma, including multiple types of abuse, malnutrition, and unsafe living and working conditions. Supporting victims is complex and requires a multi-sectoral response which includes child welfare, criminal justice, public health, mental health, and social services. The purpose of this scoping review was to identify and assess multi-sectoral interventions to support victims of human trafficking. We searched Medline, Embase, CINAHL, PsycINFO, Social Services Abstracts and Social Work Abstracts. All screening and data collection was completed by two independent reviewers. Conflicts were resolved via consensus with the research team. We identified a total of 17,309 papers of which 43 were included for data extraction. In these 43 studies, we identified seven key types of interventions: psychotherapies, housing interventions, residential treatment facilities, psychosocial interventions, case management, occupational therapy, and legal interventions. Of these interventions, only 37% were multi-sectoral in nature. Our findings highlight the need for large-scale, randomized control trials of multi-component interventions to meet the diverse needs of this population. The use of a multiphase optimization strategy (MOST) approach may be especially beneficial here as it allows for the optimization of individual intervention components before a formal randomized controlled trial (RCT) evaluation.
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 | 0,021 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,023 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».