Piloting the Elder Abuse Suspicion Index – long‐term care (EASI‐ltc©): A Mixed Methods Feasibility Study
Notice bibliographique
Résumé
Abstract Background Long‐term care (LTC) residents are a previously untested and highly vulnerable population at risk of elder abuse (EA) and its many negative health outcomes. The detection of elder abuse within the LTC context is urgent and time‐sensitive. Objective The overarching aim of this study is to evaluate the feasibility of implementing the Elder Abuse Suspicion Index – long‐term care (EASI‐ltc © ): the first comprehensive detection tool of its kind designed specifically to identify the abuse of cognitively‐apt persons living in LTC. Preliminary tool validity will also be evaluated. Methods This observational pilot study is taking place within seven LTC institutions in Montreal Canada. It begins with the administration of the EASI‐ltc on a random sample of eligible LTC residents. Residents subsequently undergo a follow‐up assessment led by a trained and experienced social worker, which is used as the ‘silver standard’ reference for validation. Residents are asked to reflect on their own experiences as participants in one on‐one interviews, and key stakeholders (e.g., administrators, staff members, family, companions, and friends) are asked to provide retroactive feedback via an online survey. Survey respondents are also invited to participate in interviews to clarify their responses. Potential harmful consequences arising from EASI‐ltc administration is being evaluated. Results Results pertaining to tool validity, feasibility, and acceptability obtained from data collected during the first 8 months will be presented. Conclusion The EASI‐ltc is the first published comprehensive tool to detect elder abuse in this vulnerable population. This ongoing study responds to an urgent need to provide tools to identify abuse and give a voice to LTC residents locally, nationally, and beyond.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».