MétaCan
Menu
Back to cohort
Record W2625377983 · doi:10.7202/1039798ar

Santé mentale et physique des filles et des garçons agressés sexuellement

2017· article· fr· W2625377983 on OpenAlexaffvenueabout
Isabelle Daigneault, Martine Hébert, Catherine Bourgeois, Sonia Dargan, Jean‐Yves Frappier

Bibliographic record

VenueCriminologie · 2017
Typearticle
Languagefr
FieldPsychology
TopicChild Abuse and Trauma
Canadian institutionsUniversité du Québec à MontréalUniversité de Montréal
Fundersnot available
KeywordsHumanitiesArt

Abstract

fetched live from OpenAlex

Introduction : L’agression sexuelle durant l’enfance est associée à de nombreux problèmes de santé physique et mentale. Toutefois, au Québec, nous ne connaissons pas bien les problèmes de santé physique et mentale que présentent les enfants et les adolescents ayant vécu une agression sexuelle corroborée en comparaison de ceux de la population générale. Objectif : L’objectif de la présente étude est donc de déterminer si les jeunes agressés sexuellement consultent ou sont davantage hospitalisés pour des problèmes de santé physique et mentale que ceux de la population générale sur une période de 10 ans après un premier signalement. Méthode : Des données administratives ont servi à documenter les diagnostics médicaux de 882 jeunes (75 % filles) ayant au moins un signalement fondé d’agression sexuelle entre le 1 er janvier 2001 et le 31 décembre 2010 au Centre jeunesse de Québec-Institut universitaire. Ces diagnostics sont comparés à ceux de 882 jeunes de la population générale appariés en genre et en âge au groupe de jeunes agressés sexuellement. Résultats : Les résultats indiquent que l’agression sexuelle à l’enfance entraîne un risque jusqu’à cinq fois plus élevé de consultations externes et d’hospitalisations pour des problèmes de santé mentale et physique, et ce, jusqu’à 10 ans après le signalement d’agression sexuelle.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Other design · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.827
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.002
Scholarly communication0.0000.000
Open science0.0010.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0040.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.423
GPT teacher head0.477
Teacher spread0.054 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designOther design
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations8
Published2017
Admission routes3
Has abstractyes

Explore more

Same venueCriminologieSame topicChild Abuse and TraumaFrench-language works237,207