Adapting the Elder Abuse Suspicion Index© for use in the geriatric long-term care setting
Notice bibliographique
Résumé
Background: Elderly individuals in long-term care facilities (LTCFs) are at high risk for elder abuse (EA) and its related health consequences. However, currently available EA screening and identification tools have limitations for use in this population. Objectives: 1) To explore whether an existing EA detection tool, the Elder Abuse Suspicion Index© (EASI), is appropriate for use with residents with Mini-Mental State Examination (MMSE) scores ≥ 24 residing in LTCFs; 2) to adapt the content of the EASI (if required) to fit this new population; and 3) to explore contextual factors that may affect use of the resulting tool in LTCFs. Methods: This was a mixed methods study sequentially integrating quantitative cross-sectional and qualitative descriptive methodologies. Results were informed by a literature review, internet-based consultations with EA experts across Canada, and data obtained from two purposively selected focus groups. Efforts were made to specifically distinguish between institutional or systems failure, and resident-directed abuse. Results: Analyses resulted in the development of a nine-question tool, the EASI-ltc, designed to raise suspicion of EA in older adults with MMSE scores ≥ 24 residing in LTCFs. Notable modifications to the original EASI included three new questions to further address neglect and psychological abuse, and a context-specific preamble to orient responders. Resident reluctance to report abuse and a lack of defined reporting protocols/procedures were identified as potential barriers to successful EASI-ltc implementation. Conclusions: It is expected that the EASI-ltc will advance understanding of abuse experienced by LTC residents. As any indication of suspicion raised as a result of the tool necessitates further abuse evaluation and institutional response, future validation of the EASI-ltc may lead to reliable EA prevalence data in this population. The next steps in this multi-phase research program will be to develop a research protocol to explore the practical aspects of EASI-ltc implementation, and to conduct a feasibility pilot study.
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 | 0,001 | 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 ».