“Time does not heal all wounds”: mental health impact of sexual victimisation in old age
Notice bibliographique
Résumé
Abstract Background Sexual violence (SV) has an important impact on mental health. Childhood sexual abuse is linked to internalizing disorders in later life. In older adults, SV occurs more often than previously believed. Moreover, health care workers lack the skills to adequately address SV in later life. Studies researching the mental health impact of lifetime SV, i.e. SV that happened during childhood, adulthood and old age, are currently lacking. In this study we research the association between lifetime sexual victimization and adverse mental health outcomes in older adults, and its moderators. Methods Between July 2019 and March 2020, 513 older adults living in Belgium participated in a structured face-to-face-interview. Selection occurred via a cluster random probability sampling with a random walk finding approach. Depression, anxiety and post-traumatic stress syndrome (PTSD) were measured using validated scales. Suicide attempts and self-harm were questioned during lifetime and in the past 12-months. SV was measured using behaviorally specific questions based on a broad definition of SV. Results Over 44% experienced lifetime SV, 8% in the past 12-months. Rates for depression, anxiety and PTSD were 27%, 26% and 6%. Almost 2% committed suicide, 1% reported self-harm in the past 12-months. Lifetime SV was linked to depression (p =.001), anxiety (p =.001), and PTSD in participants with a chronic illness/disability (p = .002) or no/lower education (p <.001). We found no link between lifetime SV and suicide attempts or self-harm in the past 12-months. Conclusions Lifetime SV is linked to mental health problems in late life. Tailored mental health care for older SV victims is necessary. Therefore, capacity building of professionals and development of clinical guidelines and care procedures are urgently needed. Key messages The mental health impact of sexual victimisation continues into old age. Tailored mental health care for older SV victims and capacity building of professionals are of the utmost importance.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».