DETECTING UNDUE HARM ARISING FROM ELDER ABUSE SCREENING: INNOVATIVE METHODS FROM THE EASI-LTC© PILOT STUDY
Notice bibliographique
Résumé
Abstract Screening for elder abuse can cause victims to experience feelings of unpleasantness and/or relive painful memories which can be an ethical concern. Ensuring the safety of all participants/users, in our case long-term care (LTC) residents, is of the utmost importance. Drawing from approaches used in the intimate partner violence and clinical trials literature, we developed a novel typology of harm and a series of procedures to evaluate any negative consequences that might be incurred as a result of participating in the Piloting the Elder Abuse Suspicion Index-long term care©: A Mixed Methods Feasibility Study. Our typology includes subjective and objective reporting from a multitude of sources, including: 1) Interviews with LTC residents using a modified Consequences of Screening Tool, adapted from MacMillan et al, 2009; Opinions of the 2) Study social worker conducting validation assessments and 3) LTC residents and institutional stakeholders; 4) Feedback from study research assistants who administer the tool using a specialized Adverse Events Form; and 5) Chart reviews. Procedures include the creation of an independent interdisciplinary pilot study safety committee, chaired by a geriatric psychiatrist and convened to conduct interim evaluations after the first 5, 10, and 20 residents have participated, the liberation of social work teams, who are to be on standby and available to intervene as necessary, and the creation of participant resource cards displaying pertinent phone numbers for immediate assistance. To our knowledge, this is the first elder abuse study to conduct a thorough analysis of study-induced harm.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,012 |
| 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 | 0,001 |
| 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 ».