Childhood Abuse Prevalence in Canada: Insights from Six National Surveys
Notice bibliographique
Résumé
Abstract Reliable estimates of childhood abuse (CA) prevalence are essential for informing resource allocation and prevention strategies. While previous research has provided valuable insights, inconsistencies in definitions and data collection methods have hindered a clear understanding of prevalence patterns. Recent changes in Canadian surveys enable comparisons of self-reported CA data, offering insight into prevalence over time and across survey contexts. The objective of this study is to estimate CA prevalence across six national surveys conducted in Canada from 2012 to 2022 and examine differences in prevalence estimates across surveys with distinct methodologies. Data were drawn from six population-based surveys conducted by Statistics Canada, including health-focused and victimization-focused surveys. The analysis was restricted to adults aged 25 and older living in the 10 Canadian provinces. Prevalence estimates were estimated using validated self-reported measures of childhood physical abuse, sexual abuse, and exposure to intimate partner violence (EIPV). Age-standardized estimates were compared across surveys. CA prevalence varied substantially across surveys, with health-focused surveys consistently reporting higher prevalence estimates than victimization-focused surveys. For example, in 2019, physical abuse prevalence was 28.4% (95% CI: 27.7–29.1) in the health survey versus 13.4% (95% CI: 12.7–14.1) in the victimization survey. Similar differences were observed for sexual abuse (10.9% vs. 7.1%) and EIPV (8.0% vs. 4.8%). Differences in prevalence estimates likely reflect variations in survey focus, question framing, and data collection methods rather than actual differences in CA experiences. Understanding these methodological variations is important for interpreting CA data accurately and improving cross-survey comparability.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».