MISTREATMENT ACROSS THE LIFE COURSE AS A MAJOR PREDICTOR OF ELDER ABUSE: A CANADIAN NATIONAL STUDY
Notice bibliographique
Résumé
Few researchers have claimed that abuse at an earlier stage in life may be a risk factor for elder abuse later in life. Indeed, the elder abuse literature frequently highlights that the social learning model causes abuse in later life, the argument being that abusers learn how to be violent from witnessing or suffering from violence. The aim of this research was to test the hypothesis that if an older person was abused earlier in their lives, they were more likely to be abused as older adults. A national telephone survey was conducted to estimate the prevalence of five forms of elder abuse in community dwelling older Canadians who were 55 years and older. A representative, stratified sample of 8,163 Canadians completed the survey, the largest study to date. Information was collected about socio-demographic factors, health, wealth, risk factors for abuse, and prevalence for the usual five subtypes of abuse. Unlike other prevalence studies, a life course perspective was the guiding theoretical framework. The analyses included descriptive statistics about the sample, bivariate analyses correlating the risk factors with abuse and a logistic regression model with the main the predictors of abuse. The results showed, in order of importance, higher depression scores as measured on the C-DES, having been abused as an adult (25–54), a child (1–17) a youth (18–24), having higher unmet ADL/IAD needs, not feeling safe with those closest to respondent, geographical location; being single compared to being married and lastly, being female were significant (p ≥ .001) predictors.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 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 ».