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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».