MétaCan
Menu
Retour à la cohorte
Enregistrement W2128579601 · doi:10.1177/0886260510362880

Impairment and Abuse of Elderly by Staff in Long-Term Care in Michigan: Evidence From Structural Equation Modeling

2010· article· en· W2128579601 sur OpenAlexaff
Tom Conner, Artem Prokhorov, Connie Page, Yu Fang, Yimin Xiao, Lori Ann Post

Notice bibliographique

RevueJournal of Interpersonal Violence · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDementiaElder abuseStructural equation modelingPhysical abuseSocial isolationPsychologyGerontologyPopulationDepression (economics)PsychiatryChild abuseMedicineClinical psychologyPoison controlInjury preventionMedical emergencyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Elder abuse in long-term care has become a very important public health concern. Recent estimates of elder abuse prevalence are in the range of 2% to 10% (Lachs & Pillemer, 2004), and current changes in population structure indicate a potential for an upward trend in prevalence (Malley-Morrison, Nolido, & Chawla, 2006; Post et al., 2006). More than 20 years ago, Karl Pillemer called for sociological research on patient maltreatment in nursing homes and provided an overview model for the conduct of such research (Pillemer, 1988). The research literature since then has not provided the definitive model to account for patient maltreatment that Pillemer hoped for. Instead, it has produced a laundry list of risk factors that includes the patient's functional disability, cognitive impairment, social isolation, age, race, income, family background, life events, dementia, and depression (Dyer, Pavlik, Murphy, & Hyman, 2000; Lachs & Pillemer, 2004; Lachs,Williams, Obrien, Hurst, & Horwitz, 1997; Pavlik, Hyman, Festa, & Dyer, 2001; Schofield & Mishra, 2003). However, no theory exists to place these factors in a causal structure that relates the factors to each other and to whether abuse occurs. This study is a first step in that direction. Nine hypotheses were generated focusing on the effects of two dimensions of impairment--(a) physical and cognitive and (b) age and behavior problems--on susceptibility to abuse among elderly in long-term care.The relationships between factors and from factors to susceptibility to abuse are specified in a structural equation model where "susceptibility to abuse," "physical impairment," and "cognitive impairment" are latent variables, and behavior problems and age are directly measured.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,199
Score d'incertitude au seuil0,395

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,001
Communication savante0,0020,002
Science ouverte0,0030,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,308
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations39
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Interpersonal ViolenceMême sujetElder Abuse and NeglectTravaux en français237 207