USING RISE IN CASES DIVERTING DEFENDANTS IN ELDER ABUSE SCENARIOS OUT OF THE CRIMINAL SYSTEM AND INTO TREATMENT
Notice bibliographique
Résumé
Abstract Criminal justice system interventions are a common response to elder abuse, neglect and exploitation (EA), but there is severely limited understanding of their efficacy in reducing EA or improving the well-being of older adults. A goal attainment scaling feasibility study revealed that APS clients’ goals often included getting help (like substance use or mental health treatment) for someone else, often family members harming them. Some APS and RISE clients reported reluctance to seek help or report harm, fearing that involvement of the criminal justice system might result in them losing control over their lives, losing a caregiver, being forced into a facility, or legal punishment of someone they care about. Given these findings, the RISE team engaged in a lengthy outreach and planning phase with state and local prosecutors, elder victim service providers, restorative justice experts, and researchers, to design a novel intervention, using RISE in conjunction with drug court, to divert cases involving substance using defendants alleged to have mistreated an older person. This session will describe the extensive planning and design process and provide a case study analysis, which suggests that a combination of drug court’s in-patient treatment for the defendant, services for the victim, and RISE’s focus on restorative justice approaches that repair breached relationships reduced harm and benefited the older person, the defendant, and their families. Implementation of RISE in partnership with the criminal justice system carries important implications for the integration of restorative justice practices in some EA cases.
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 ».