The impact of COVID-19 on intimate partner violence in Europe
Notice bibliographique
Résumé
The family and intimate relationships should be a place of safety, but for many, violence and trauma occur even within this context. Intimate partner violence (IPV) can take many forms and can include physical, sexual, and emotional abuse and a range of controlling behaviours. It affects younger and older, cis and transgender women and men. What we do know is that across the European region, more than a quarter of ever-partnered women, aged 15 and older, have experienced IPV. This has contributed to interpersonal violence being the fourth leading cause of death among people aged 15-29 years in the WHO European Region. Over the past year and a half, in a world in a constant state of emergency during the COVID-19 pandemic, increases in sexual assault and violence, particularly against women, have been reported. The WHO Europe member states have reported a 60% increase on average in emergency calls from women subjected to IPV, alongside a 23-32% increase in IPV and domestic violence (DV) cases since the lockdown began. This may not reflect the true scale of the problem as less than 40% of women seek help of any kind and men and boys may be less likely to report it. In most countries with available data on the issue, most women rely on family and friends, and rarely ask formal institutions for assistance. Even as pandemic lockdown measures are lifted, there are long-term health, wellbeing, and socioeconomic consequences that will prevail. The European Union (EU) has incorporated new measures in response to intimate partner violence. Examples are the Gender Equality Strategy 2020-2025 and the Victims’ Right Directive and EU Strategy on victims’ rights. These strategies outline a set of key actions including preventing gender-based violence, supporting and protecting victims (i.e., empowering victims to report a crime, claim compensation, and recover from consequences of crime), and holding perpetrators accountable during crises such as the COVID-19 pandemic. Both strategies are specifically focused on vulnerable victims (e.g., children, victims of gender-based violence, and/or domestic violence) as one of their key priorities.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».