LISTENING TO STAKEHOLDERS TO BETTER MANAGE OLDER ADULT MISTREATMENT IN LONG-TERM CARE FACILITIES
Notice bibliographique
Résumé
Many types of older adult mistreatment exist in long-term care (LTC) facilities: psychological, physical, sexual, financial, violation of rights, organisational, and ageism. Close to 20% of LTC establishments in the United States are “convicted” of older adult mistreatment each year. In Canada, the problem is also acknowledged by managers and administrators of these types of facilities. However, few studies have described the experience of diverse stakeholders regarding the management of older adult mistreatment situations within LTC facilities. As part of a project using a participative approach to develop and validate a policy template for LTC facilities, 105 key stakeholders (including administrators, managers, long-term care employees, residents/user committees, union representative, complaint commissioners, etc.) were surveyed about the perceived causes, the main difficulties encountered and priorities to address older adult mistreatment in their LTC establishment. The main issues identified were: 1) disparity between the ever-growing needs of residents and the lack of resources; 2) limited knowledge regarding older adult mistreatment and how to identify it properly; 3) a conspiracy of silence and a fear of reporting; 3) non-existent or unclear policies and procedures; as well as 4) no specific person mandated within the facility to respond to mistreatment situations administratively or clinically. Overall, the issues identified by the stakeholders could be addressed with additional training and the implementation of policies and procedures specifically adapted for LTC facilities.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».