The prevalence of child maltreatment in India and its association with gender, urbanisation and policy: a systematic review and meta-analysis protocol
Notice bibliographique
Résumé
Introduction: India is home to 20% of the world’s children and yet, little is known on the magnitude and trends of child maltreatment nationwide. The aims of this systematic review are to provide a prevalence of child maltreatment in India with considerations for any effects of gender; urbanisation (e.g. urban versus rural); and, legislation (Protection of Children from Sexual Offences Act 2012). Methods and Analysis: A systematic review will be undertaken of all quantitative peer-reviewed studies on child maltreatment in India between 2005 and 2020. Four electronic databases will be systematically searched: PubMed, EMBASE, Cochrane and PsychIndex. The primary outcomes will include all aspects of child maltreatment: physical abuse, sexual abuse, emotional abuse, emotional neglect and physical neglect. Study participants will be between 0-18 years and will have reported maltreatment experiences using validated, reliable tools such as the Adverse Childhood Experiences Questionnaire as well as child self-reports and clinician reports. Methodological appraisal of the studies will be assessed by the Newcastle-Ottawa Quality assessment scale. Also, if sufficient data are available, a meta-analysis will be conducted. Effect sizes will be determined from random-effects models stratified by gender, urbanisation and pre-and post the 2012 POCSO Act cut off. Ethics and Dissemination: As this is a systematic review, minimal ethical risks are expected. A Level 1 self-audit checklist has been approved by an ethics panel in the Usher Institute at the University of Edinburgh. Findings from this review will be disseminated widely through peer-reviewed publication and in various media, for example, conferences, congresses or symposia. Registration: A study protocol was developed before starting this systematic review and was registered with the international prospective register of systematic reviews (PROSPERO) (registration number CRD42019150403)
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 | 0,060 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,024 | 0,031 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,060 | 0,005 |
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 ».