ORAL-HEALTH PROFESSIONALS AS A FIRST POINT OF CONTACT FOR ELDER ABUSE VICTIMS: A SCOPING REVIEW
Notice bibliographique
Résumé
Oral-health professionals, which include dentists, orthodontists and dental hygienists, are often the first point of contact for older adults experiencing various types of elder mistreatment (such as abuse and neglect). The scheduled and routine nature of the visit often provides an opportunity to recognize any indicators of mistreatment over a longer period of time. A 2017 technical report completed on support services for victims of elder mistreatment highlighted that oral-health professionals are an underutilized ally in identifying and intervening with abused or neglected older adults. However, training in the identification of elder mistreatment by oral-health professionals as well as protocols for reporting are not well established. In addition, entities such as the Public Health Agency of Canada have begun changing the scope from “dental professionals” to “oral-health professionals” to capture the important role this range of front-line professionals plays. A scoping review was completed to gain an in-depth understanding of the role of oral-health professionals with respect to elder mistreatment, and as crucial resources in community settings. Ten peer-reviewed and grey literature databases were searched for empirical studies published after 2000. This synthesis review analyzes approaches that oral-health professionals may utilize to identify different types of elder mistreatment and ensure their client’s safety moving forward (i.e., duty to report). Findings suggest that oral-health professionals equipped with appropriate education, training and awareness can be key in early detection of elder mistreatment. This merits further research, policy and practice attention to the role of oral-health professionals intervening in cases of 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 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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».