Elder abuse and neglect in Ireland: results from a national prevalence survey
Notice bibliographique
Résumé
OBJECTIVE: To measure the 12-month prevalence of elder abuse and neglect in community-dwelling older people in Ireland and examine the risk profile of people who experienced mistreatment and that of the perpetrators. DESIGN: Cross-sectional general population survey. SETTING: Community. PARTICIPANTS: People aged 65 years or older living in the community. METHODS: Information was collected in face-to-face interviews on abuse types, socioeconomic, health, and social support characteristics of the population. Data were examined using descriptive statistics and logistic regression, odds ratios (OR) and 95% confidence intervals (95% CI) are presented. RESULTS: The prevalence of elder abuse and neglect was 2.2% (95% CI: 1.41-2.94) in the previous 12 months. The frequency of mistreatment type was financial 1.3%, psychological 1.2%, physical abuse 0.5%, neglect 0.3%, and sexual abuse 0.05%. In the univariate analysis lower income OR 2.39 (95% CI: 1.01-5.69), impaired physical health OR 3.41 (95% CI: 1.74-6.65), mental health OR 6.33 (95% CI: 3.33-12.0), and poor social support OR 4.91 (95% CI: 2.1-11.5) were associated with a higher risk of mistreatment but only social support and mental health remained independent predictors. Among perpetrators adult children (50%) were most frequently identified. Unemployment (50%) and addiction (20%) were characteristics of this group.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».