A Contextualized Assessment of Duty-Related Bodily Harm Associated with Canadian Police Services
Notice bibliographique
Résumé
Canadian police report substantially more mental health challenges than the general population, partially due to negative media coverage. Negative media coverage often focuses on critiquing police causing duty-related bodily harm (DRBH) without sufficient context. Direct comparisons of police to other professionals are difficult; however, analogous comparisons can be made to previously published data on Avoidable Harm during Hospitalization (AHH). The current study quantitatively analyzed publicly available Canadian data on DRBH involving use of force exceeding legally approved standard operating procedures or involving code of conduct violations (FELSOP) relative to total police occurrences. From 2014 to 2023, DRBH involving FELSOP proportions were 1.89 per 100 000 police occurrences and 5566.67 AHH instances per 100 000 hospitalizations. Criticisms of Canadian police interactions with the public appear inconsistent with the available data. DRBH reported without context and coupled with anti-police rhetoric likely causes harms to individual police, and undermines efforts at recruitment, retention, community engagement, and Indigenous reconciliation. Healthcare worker intentions are justifiably considered beneficent, and harms are considered unintentional by default; the same should be made true for police officers, absent a conviction. Concerted efforts are needed to reframe the Canadian police discourse, possibly informed by the supports already rightfully provided to healthcare workers.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».