Elder Abuse Severity: A Critical but Understudied Dimension of Victimization for Clinicians and Researchers
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose of the Study: To describe the variation in severity of elder emotional abuse, physical abuse, and neglect and identify factors associated with more severe forms of elder mistreatment (EM). Design and Methods: Population-based study using random digit-dial sampling and telephone interviews with a representative sample (n = 4,156) of community-dwelling, cognitively intact older adults in New York State. The Conflict Tactics Scale and DUKE Older Americans Resources and Services scales were adapted to assess EM subtypes. For each EM subtype, severity was operationalized by summing the number of different mistreatment behaviors and the frequency of each behavior. Among older adults reporting some degree of mistreatment, ordinal or multinomial regression predicted severity of elder emotional abuse, physical abuse, and neglect. Results: Distribution of EM severity was characterized by a negative/right skew. More severe emotional abuse was predicted by younger age, living with the perpetrator only, Hispanic background, and higher education. Increasing physical abuse severity was associated with younger age and living only with the perpetrator. Higher neglect severity was associated with functional impairment, younger age, living only with the perpetrator, lower income, and lower education. The presence of nonperpetrator others living in the home served a protective function against escalating mistreatment severity. Implications: Extends existing EM risk factor research by operationalizing mistreatment phenomena along a continuum of severity. Findings enhance capacity to screen and report particularly vulnerable EM victims and inform targeted interventions to ameliorate the problem. Incorporation of severity into EM research/measurement reflects the clinical and phenomenological reality of the problem.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle