MétaCan
Menu
Retour à la cohorte
Enregistrement W4212902312 · doi:10.55365/1923.x2021.19.16

Detecting the Incidence and Benefits Foregone of Elder Abuse Neglect: The Case of Hearing Aids in Nursing Homes

2021· article· en· W4212902312 sur OpenAlexvenueno aff
Robert J. Brent

Notice bibliographique

RevueReview of Economics and Finance · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingNational Institutes of Health
Mots-clésNeglectElder abuseContext (archaeology)Test (biology)Nursing homesIncidence (geometry)Hearing lossMedicineNursingPsychologyGerontologyPsychiatryPoison controlSuicide preventionMedical emergencyAudiologyHistory

Résumé

récupéré en direct d'OpenAlex

Neglect is the form of elder abuse that is most likely to be underreported. We provide a three-part test that can be used to uncover the incidence of elder abuse neglect. We apply the test to nursing homes in the form of the under-provision of hearing aids (HAs). To prove HA neglect, it must be shown that they are needed, socially worthwhile and underprovided. All three test results reveal negligence in the context of HAs in nursing homes. The main contribution of the article is to provide empirical evidence related to the third test, based on a large national panel data set using a two-way, random effects regression. Nursing home usage of HAs is one-sixth lower that it would be if older adults lived out in the community. The approximate value lost in the US by this elder abuse neglect is estimated to be $4.4 billion. It is recommended that greater use of hearing aids would be forthcoming if the nursing home institutions themselves recognized the nature and scope of the hearing loss problem of residents

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,277

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,293
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetElder Abuse and NeglectTravaux en français237 207