Predictors of injury in reported cases of child punishment abuse in Canada
Notice bibliographique
Résumé
In 1998 an estimated 135, 573 child maltreatment investigations were conducted in Canada (Canadian Centre for Justice Statistics, 2001).Of these reports, 45Yo were substantiated by the investigating child welfare worker.Across all maltreatment categories investigated (physical, emotional, sexual, neglect), physical harm was documentedin 17% of substantiated cases.Furthermote, almost half $a%) of all the substantiated physical abuse cases documented physical harm, the harm being sufficiently severe to require medical treatment n6% of the cases.The majority of injuries (86%) involved bruises, cuts, and scrapes, and the remainng injuries were evenly distributed over the other physical harm types such as burns, scalds, broken bones, head traum4 fatal harm, or other health condition (Canadian Centre for Justice Statistics, 2001).Figures highlighted by police-reported data and hospitalization records of injuries to children resulting from maltreatment also present a cause for concern.In 1999, police- reported data indicated that 55% of children and youth physically assaulted by family members suffered minor injuries requiring first aid and3Yo suffered physical injuries that required medical attention at the scene or transportation to a medical facility (Canadian Centre for Justice Statisticg 2001).Also, although hospitalization records for assault and maltreatment in Canada from 1993/1994 to 1998/1999 revealed that overall rates of children treated in hospitals for injuries as a result of violence declirred slightly from a rate of 26 to 23 per 100,000 children, the rate for children under the age of one increased from 45 to 58 per 100,000 children during this time period (Canadian Centre for Justice CHAPTER I
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».