IMPLICATIONS OF RESIDENT AND ENVIRONMENTAL CHARACTERISTICS ON RESIDENT-TO-RESIDENT AGGRESSION
Notice bibliographique
Résumé
Abstract This study examines factors associated with resident-to-resident aggression (RRA) in long term care facilities in Hong Kong. A total of 800 personal care worker participated. Participants averaged 42.03 years of age (SD=7.63), were mostly female (92.7%), married (79.1%) and reported an average of 6.28 years of experience in long term care. 96.9 percent of the participants provided care to residents with dementia but 58.9% considered the training they received insufficient. RRA was common: All participants reported having witnessed verbal aggression (100%), 18% disruptive behaviors, 11.8% physical violence, and 3.1% sexual aggression. The following analysis used a subset of 412 participant from 29 long term care facilities where environmental assessments were conducted. General linear model analysis showed that RRA was associated with both resident and environmental characteristics. Victims’ neuropsychiatry symptoms, perpetrator male gender and neuropsychiatric symptoms were associated with higher RRA. Separation of residents with and without dementia, inappropriate use of nursing unit for residents as measured by Therapeutic Environment Screening Survey for Nursing Homes (TESS-NH), lack of functional and attractiveness courtyard, less cleanliness of spaces, insufficient lighting and insufficient orientation / cueing as measured by Professional Environmental Assessment Procedure (PEAP) were also associated with higher RRA. There is an urgent need to prevent and intervene RRA in long term care facilities. Improving management of neuropsychiatric symptoms and creating a supportive and accommodating environment could be helpful in this regard.
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 | 0,001 | 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 ».