SELF-ADMINISTRATED ELDER ABUSE INTERVENTION FOR OLDER ADULTS WITH COGNITIVE IMPAIRMENT
Notice bibliographique
Résumé
Abstract Many elder abuse interventions and tools designed to screen for abuse exclude older adults with cognitive impairments (CI) due to the challenges associated with screening and whether the older adult with CI can reliably report elder abuse. However, it has been shown that older adults with CI are among the most vulnerable to experiencing elder abuse. VOICES is an innovative, automated tablet-based elder abuse screening and prevention intervention that is self-administered by the older adult in the provider’s waiting room or office. The VOICES Elder Abuse Intervention (EAI) provides screening, educational modules, and brief psychoeducational intervention to enhance and improve identification of elder abuse when there are no visible signs of abuse. The VOICES EAI was already proven successful in terms of feasibility and acceptability in cognitively intact older adults in a busy emergency department setting with (N=1,002). In this study we tested the VOICES EAI with (N=30) participants 60 and above with cognitive impairment at a geriatric center using the Montreal Cognitive Assessment (MoCA) to determine cognitive capacity. Experts in the field of geriatrics and cognitive impairment assisted in grouping participants within three cognitive categories: Mild cognitive impairment (MoCA 23-25), mild dementia (MoCA 16-22) or moderate dementia (MoCA 8-15). Of the (N=30) participants, 29 were able to successfully use the VOICES EAI independently, and most participants were satisfied with the tool. We will discuss the findings of this preliminary study and the implications for future research with older adults with CI.
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 | 0,002 |
| 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 ».