PREVALENCE AND PREDICTORS OF INCREASED VERBAL/PHYSICAL CONFLICT DURING COVID-19: CLSA FINDINGS
Notice bibliographique
Résumé
Abstract Child and spousal abuse rates have been shown to increase during various types of disasters. This study sought to determine the prevalence and determinants of older adults’ experiences of increased verbal or physical conflict (+VPC), as a proxy for elder abuse, during the COVID-19 pandemic. Data are from the Canadian Longitudinal Study on Aging (CLSA), a cohort study of 51,338 Canadians aged 45–85 at enrollment (2012-15) with follow-up every 3 years until 2033.. We analyzed data of participants aged 65 or above at follow-up1 who took part in a COVID-19 sub-study (n=24,306). Experiencing +VPC was the main outcome variable; explanatory variables included gender identity, sexual orientation, age group, race/ethnicity, educational attainment, marital status, household income, working status, living alone, social support availability, cohesion with community, self-rated physical and mental health, anxiety, depression, and previous history of elder abuse. The overall weighted prevalence of +VPC was 7.4%. Gay/bisexual men, 55-64 age-group, not living alone, low social support, poor social cohesion, low self-rated health, poor mental health, and past history of psychological or physical abuse were all significantly associated with +VPC. Weighted multivariable logistic regression revealed gender, not living alone, higher scores of depression and anxiety, and past history of psychological abuse to be independent predictors of +VPC. Implications for post-pandemic recovery and for prevention strategies during future disasters include targeted outreach programs for the most vulnerable group which includes males, persons age 55-64, those with self-rated poor mental health and/or history of elder psychological abuse.
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 | 0,001 |
| 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 ».