EFFECT OF RISE ON REPEAT ELDER ABUSE AND SELF-NEGLECT INVESTIGATIONS BY ADULT PROTECTIVE SERVICES
Notice bibliographique
Résumé
Abstract Adult Protective Services (APS) is the primary agency responsible for investigating Elder Abuse and Self-Neglect (EASN) allegations in the US. The harms of EASN are well established; however, APS lacks a conceptually derived, evidenced-based intervention phase. RISE is a community-based EASN intervention designed to complement and augment APS that provides enhanced services and a longer intervention phase. The objective of this study was to test whether exposure to the APS/RISE collaboration reduced the case outcome of recurrence (repeat investigations) compared to usual APS only services. This study was based on a retrospective observational design (n = 1947) in two randomly selected counties of Maine where RISE was available to provide enhanced services to persons referred from APS. Analysis used an extended regression endogenous treatment Probit model using APS administrative data to predict case recurrence. Between 2019 and 2021, 154 cases participated in RISE and 1793 received usual APS only services. 49% of cases referred to RISE had a complex history with 2 or more prior substantiated allegations versus 6% for those receiving usual APS only services. After accounting for the non-random treatment assignment, RISE significantly lowered the likelihood of recurrence compared to persons receiving usual care provided by APS (probability of recurrence reduced by 0.55 for the Average Treatment Effect on the Treated and 0.26 for the Average Treatment Effect). A reduction in recurrence carries important implications for APS costs, resources, and workflow. It may also serve as a proxy indicating a reduction in re-victimization and harm for EASN victims.
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 | 0,003 |
| 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 ».