What Are the Most Distressing Aspects of Experiencing Elder Abuse? Findings From a Qualitative Study With Victims
Notice bibliographique
Résumé
Abstract Adult protective services and other community-based agencies respond to hundreds of thousands of elder abuse cases annually in the United States; however, few studies include elder abuse victims’ voices. This study explored the most distressing aspects of elder abuse, as identified by victims themselves; to date, this is the first known study on this topic. Guided by a phenomenological qualitative methodology, this study conducted in-person, semi-structured interviews with a sample of elder abuse victims (n = 30) recruited from a community-based elder abuse social service program in New York City. To enhance trustworthiness, two researchers independently analyzed transcript data to identify key transcript codes/themes. Distressing aspects of elder abuse were identified across three key domains, related to feelings of loss (50% of codes), threats/negative consequences (55%), and client-needs/system incongruity (14%). Specifically, the first theme represented outcomes related to loss of relationships (19% of ‘loss’ codes), personhood (16%), credibility (19%), faith/trust in others (38%), and finances (8%). The second theme looked at threats to physical self (34% of ‘threat’ codes), psyche (39%), and others, including the perpetrator (27%). The third theme focused on mismatches in client/system goals (50% of ‘incongruity’ codes) and legal system involvement (50%). The findings in this study provide a comprehensive and conceptually organized range of aspects to serve as infrastructure for the development of meaningful interventions to address the needs of victims. This study represents one of the largest efforts to understand and integrate the perspectives and needs of victims into elder abuse intervention practice/research to date.
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 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».