“Time Does Not Heal All Wounds”: Sexual Victimisation Is Associated with Depression, Anxiety, and PTSD in Old Age
Notice bibliographique
Résumé
Sexual violence (SV) has an important impact on mental health. Childhood sexual abuse is linked to internalising disorders in later life. In older adults, SV occurs more often than previously believed. Moreover, health care workers lack the skills to address SV in later life. Studies researching the mental health impact of lifetime SV, i.e., SV during childhood, adulthood, and old age, are lacking. Between July 2019 and March 2020, 513 older adults living in Belgium participated in structured face-to-face-interviews. Selection occurred via a cluster random probability sampling with a random walk finding approach. Depression, anxiety, and posttraumatic stress syndrome (PTSD) were measured using validated scales. Participants were asked about suicide attempts and self-harm during their lifetime and in the past 12 months. SV was measured using behaviourally specific questions based on a broad SV definition. We found rates for depression, anxiety, and PTSD of 27%, 26%, and 6% respectively, while 2% had attempted suicide, and 1% reported self-harm in the past 12 months. Over 44% experienced lifetime SV and 8% in the past 12 months. Lifetime SV was linked to depression (p = 0.001), anxiety (p = 0.001), and PTSD in participants with a chronic illness/disability (p = 0.002) or no/lower education (p < 0.001). We found no link between lifetime SV and suicide attempts or self-harm in the past 12 months. In conclusion, 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 important.
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 | 0,004 | 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 | 0,000 | 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 ».