Older Adults and Family Discord or Violence During the COVID-19 Pandemic: Results of a Canada-Wide Survey
Notice bibliographique
Résumé
Abstract Child abuse and intimate partner violence rates are known to increase during and in the aftermath of disasters. Research on elder abuse during disasters, including the current pandemic, is limited. As part of an online survey that explored older Canadians’ current experiences and future care plans during the COVID-19 pandemic, we aimed to determine the prevalence, contributing factors and potential outcomes of frequent family discord involving physical violence (FFD/PV) as a proxy for elder abuse. The survey was conducted between Aug 10 and Oct 10, 2021. Respondents (n=4380) were recruited using social media, direct email, Facebook advertising and with the assistance of 85 local community, regional and national organizations. The sub-sample reporting FFD/PV (n=76, 1.8%) was compared with other survey respondents regarding socio-demographic characteristics, negative and positive emotions, difficulty accessing basic needs, food, health care and support. Respondents experiencing FFD/PV were found to be significantly younger and less educated and were more likely to be non-white and not working than other respondents. The subgroup sustaining FFD/PV reported significantly higher rates of feeling depressed, lonely, isolated, anxious, sad, and judged/shamed and felt less happy, relaxed and accepted in their community. They also reported higher rates of challenges in accessing basic material needs such as food, support, medical care, mental health treatment and experienced more changes in life routines. Although only a small percentage reported FFD/PV, our results highlight a disturbing pattern that merits serious attention of adult protection agencies, seniors' advocates and disaster response organizations.
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 | 0,004 |
| 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 | 0,000 |
| 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 ».