USE OF MOTIVATIONAL INTERVIEWING TO INTERVENE ELDER ABUSE: A RANDOMIZED CONTROL TRIAL
Notice bibliographique
Résumé
Abstract Elder abuse causes serious harm to individuals, families, and society. There is an urgent need to develop and test appropriate interventions to tackle it. This study tested the effectiveness of a motivational interviewing (MI)-based intervention in reducing elder abuse severity and promoting positive changes among community dwelling older Chinese in Hong Kong. The intervention involved a 90-minute individual engagement session and three 30-minute booster sessions delivered by trained MI facilitators. Personal goals for improvement of known risk factors such as poor physical and psychological health, lack of social support were set out followed by the application of MI processes. Pre- and post-test comparison of 33 intervention cases and 28 control cases are presented here. Analysis of pre-treatment differences found significant difference between the two groups in their monthly income, number of offspring and co-residing persons, physical frailty, general self-efficacy and abuse severity. Difference in differences technique was applied to mitigate the effects of extraneous factors and selection bias. Results show that intervention group performed significantly better than the control group upon completing the intervention program. Significant between group differences were found in terms of changes in psychological distress (GHQ, z=-3.043, p< 0.05), general self-efficacy (GSES, z=-4.988, p< 0.05), social support (MSPSS, z=-3.080, p< 0.05), abuse severity (CTS2, z=-2.593, p< 0.05), and perceived ability to change (z=-3.749, p< 0.05). MI has demonstrated good potential for elder abuse intervention. Further study should be conducted to identify key elements in MI leading to positive changes and refine the model for elder abuse prevention and intervention.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».