MétaCan
Menu
Retour à la cohorte
Enregistrement W4405518226 · doi:10.1093/geront/gnae185

Focusing on Caregiver Neglect: A Novel Strategy for Mistreatment of Older Adults Screening and Intervention

2024· article· en· W4405518226 sur OpenAlexaff
Tony Rosen, Amy Shaw, Alyssa Elman, Daniel Baek, Elaine Gottesman, Sophie Park, Helena Costantini, Mariana Cury Hincapie, E‐Shien Chang, David Hancock, Adrienne D Jaret, Kristin Lees Haggerty, David Burnes, Mark S. Lachs, Karl Pillemer, Sara J. Czaja

Notice bibliographique

RevueThe Gerontologist · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueElder Abuse and Neglect
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute on Aging
Mots-clésNeglectIntervention (counseling)PsychologyMedicineElder abuseHealth careGerontologyNursingClinical psychologyPoison controlSuicide preventionMedical emergency

Résumé

récupéré en direct d'OpenAlex

Mistreatment of older adults is common and has serious health consequences but is underrecognized and underreported. Screening for mistreatment of older adults and initiation of intervention in primary care clinics may be helpful, but the value of existing tools is not supported by evidence. We argue that shifting the focus to individual subtypes of mistreatment of older adults can provide improved approaches to screening and ultimately to intervention. We focus on the example of caregiver neglect, the subtype associated with highest mortality. To develop caregiver neglect screening and intervention programs and to measure their effectiveness and impact, we assert that it is critical to: (1) define the phenomenon, (2) develop a conceptual model to explain why it occurs, (3) develop measurement strategies, and (4) systematically examine existing literature. We describe here the initial components of this development process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,357
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe GerontologistMême sujetElder Abuse and NeglectTravaux en français237 207