SELF-NEGLECT CO-OCCURS WITH AND IS A RISK FACTOR FOR ELDER MISTREATMENT
Notice bibliographique
Résumé
Abstract Elder mistreatment is abuse, neglect, or exploitation occurring in a relationship involving an expectation of trust.1 Yearly, 10%–14% of community dwelling older adults experience mistreatment, with only 15% of cases being reported to Adult Protective Services (APS) for investigation.2 Self-neglect (not defined as elder mistreat- ment) comprises 50% of APS investigations and 65% of substantiated APS cases.3 How self-neglect relates to other forms of mistreatment is not well understood. Maine APS data was analyzed to delineate the relationship between self-neglect and elder mistreatment. Self-neglect as a risk factor for elder mistreatment has important implications for policy, practice, and the prevention of future harms. Our analysis demonstrates that Self-neglect frequently co-occurs with elder mistreatment. A first allegation of self-neglect, substantiated or not, is associated with a shorter time to elder mistreatment and an estimated 33% of all cases of elder mistreatment could be attributed to self-neglect. These findings have important implications for prevention, policy, and practice. While causality cannot be presumed—a limitation in all retrospective analyses—elder mistreatment and self-neglect share risk factors: cognitive impairment, physical disability, lack of social support, and social isolation. Our analysis suggests that early intervention, even in unsubstantiated allegations of self-neglect, may prevent subsequent mistreatment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».