Prevalence of and Risk Factors for Elder Abuse and Neglect in the Community: A Population‐Based Study
Notice bibliographique
Résumé
OBJECTIVES: To estimate past-year prevalence and identify risk and protective factors of elder emotional abuse, physical abuse, and neglect. DESIGN: Cross-sectional, population-based study using random-digit-dial sampling and direct telephone interviews. SETTING: New York State households. PARTICIPANTS: Representative (race, ethnicity, sex) sample (N = 4,156) of English- or Spanish-speaking, community-dwelling, cognitively intact individuals aged 60 and older. MEASUREMENTS: The Conflict Tactics Scale was adapted to assess elder emotional and physical abuse. Elder neglect was evaluated according to failure of a responsible caregiver to meet an older adult's needs using the Duke Older Americans Resources and Services (OARS) scale. Caseness thresholds were based on mistreatment behavior frequencies and elder perceptions of problem seriousness. RESULTS: Past-year prevalence of elder emotional abuse was 1.9%, of physical abuse was 1.8%, and of neglect was 1.8%, with an aggregate prevalence of 4.6%. Emotional and physical abuse were associated with being separated or divorced, living in a lower-income household, functional impairment, and younger age. Neglect was associated with poor health, being separated or divorced, living below the poverty line, and younger age. Neglect was less likely in older adults of Hispanic ethnicity. CONCLUSION: Elder abuse and neglect are common problems, with divergent risk and protective factor profiles. These findings have direct implications for public screening and education and awareness efforts designed to prevent elder mistreatment.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».