USE OF MOTIVATIONAL INTERVIEWING IN THE CONTEXT OF ELDER ABUSE INTERVENTION: THE RISE PROJECT
Notice bibliographique
Résumé
Abstract Despite the increasing number of elder abuse (EA) cases, many EA victims are reluctant to engage with formal support services, such as Adult Protective Services (APS). For EA interventions to be effective, it is important to overcome this client reluctance. This study examined the use of motivational interviewing (MI) by elder advocates, as a component of a larger EA intervention model, RISE (Repair Harm, Inspire Change, Support Connection, Empower Choice), developed in partnership with Maine APS and the Elder Abuse Institute of Maine. The advocate role was developed, in part, to increase service acceptance/utilization among EA victims. Advocates are trained in MI, a collaborative, client-centered approach designed to help individuals explore and resolve ambivalence around making a change. This study conducted qualitative interviews and a focus group interview with all advocates (n = 4) working within the RISE model to understand how MI is applied in the context of an EA intervention. Three domains were identified: (1) therapeutic relationship, which describes the importance of foundational relationship building to support EA victims; (2) techniques, which refers to the MI strategies that advocates apply and adapt in the context of EA intervention; and (3) implementation challenges, which discusses the difficulties that advocates encounter when using MI with victims of EA. Overall, the experiences of advocates suggest MI is a beneficial and amenable approach to help EA victims navigate feelings of ambivalence and explore their motivation for change. This study represents the first in-depth exploration of MI in the context of EA intervention.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| 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 ».