Germain
MODEL ESTIME LES GROUPES LES PLUS TOUCHÉS PAR LA VIOLENCE CONJUGALE
UNE MEILLEURE IMAGE DES GROUPES LES PLUS TOUCHÉS
La violence conjugale est notoirement sous-déclarée et correctement diagnostiquée dans les hôpitaux seulement environ un quart du temps, mais une nouvelle méthode permet d’avoir une image plus réaliste des groupes de femmes les plus touchés, même lorsque leurs cas ne sont pas enregistrés.
LE NOUVEL ALGORITHME PURPLE
PURPLE, un algorithme développé par des chercheurs de Cornell et du Massachusetts Institute of Technology, estime à quelle fréquence des conditions de santé sous-déclarées se produisent dans différents groupes démographiques. En utilisant des données hospitalières, les chercheurs ont montré que PURPLE peut mieux quantifier les groupes de femmes les plus susceptibles de vivre une violence conjugale par rapport à des méthodes qui ne corrigent pas la sous-déclaration.
Les résultats indiquent que les patients non blancs, non légalement mariés, bénéficiant de Medicaid ou vivant dans des régions à revenu plus faible ou métropolitaines sont tous plus susceptibles de subir de la violence conjugale.
APPLICATIONS POTENTIELLES DE PURPLE
Les chercheurs espèrent voir PURPLE appliqué à d’autres problèmes de santé des femmes souvent sous-déclarés, tels que l’endométriose ou le syndrome des ovaires polykystiques.
La nouvelle technique a également des applications potentielles au-delà des conditions de santé. PURPLE pourrait être utilisé pour révéler la prévalence relative des actes répréhensibles de la police non signalés dans les arrondissements ou les quantités de discours haineux dirigés contre différents groupes démographiques.
Pour plus d’informations, consultez l’article original "Quantifying Disparities in Intimate Partner Violence: a Machine Learning Method to Correct for Underreporting".
Pour plus d’informations sur les chercheurs impliqués dans l’étude, consultez leurs pages suivantes :
