Seven candidate interventions to address abuse of older people
Notice bibliographique
Résumé
The Abuse of Older People - Intervention Accelerator (AOP-IA) project aims to accelerate the development of effective interventions to prevent and reduce AOP aged 60 and older within the framework of the United Nations Decade of Healthy Ageing (2021-2030). The AOP-IA was launched in response to the global need for interventions with proven effectiveness, as few existing approaches have been rigorously evaluated. This paper focuses on the first two phases of the AOP-IA project, which involved conducting a systematic search, screening and evaluation process to identify candidate interventions ready to be rigorously evaluated in future stages of the project, as well as establishing a network of intervention developers. The identification of interventions included an initial screening of 13 926 records and two rounds of evaluations by an expert panel. From this process, 89 promising interventions were identified, and subsequently, seven candidate interventions were selected for more rigorous scientific testing and evaluation. An adapted version of the Systematic Screening and Assessment Method was used to identify these interventions. The AOP-IA project demonstrates that interventions to prevent and reduce abuse of older adults exist in a variety of settings and countries, and that several interventions are ready for a rigorous evaluation to support continual programme improvement by intervention developers and long-term sustainability and scale-up globally.
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 | 0,000 |
| 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 ».