Prevalence and Risk Factors of Resident to Staff Aggression in Long Term Care Facilities in Hong Kong
Notice bibliographique
Résumé
Abstract Resident-to-staff aggression (RSA) is common in long-term care facilities. It is associated with adverse physical and psychological consequences for staff, deteriorates resident-staff relationships, and greater staff turnover intention. Drawing on a sample of 703 care workers from 70 long-term care facilities, this study sought to determine the prevalence and risk factors of RSA in Hong Kong. RSA is common in this sample: 97.6% reported verbal aggression, 10.7% physical assault, 8.5% sexual violence, 13.7% annoying behaviors. Logistic regression analyses were conducted to determine factors associated with physical assaults, sexual violence, and annoying behaviors, controlling for duration (minutes) and location (common area vs resident rooms) of RSA. Physical assaults was associated with perpetrator behavioral problems (OR = 1.08, p<.001), resident male gender (OR = 2.40, p<.05), dementia (OR = 21.87, p<.001), staff lack of experience in dementia care (OR = 17.59, p<.001), need to provide dementia care (OR = 15.89, p<.01), lack of training (OR = 10.06, p<.01, and perceived insufficient training (OR = 2.97, p<.01). Sexual violence was associated with perpetrator male gender (OR = 22.51, p<.001), staff younger age (OR=.93. p<.05) and female gender (OR=.14, p<.01). Annoying behaviors was associated with perpetrator behavioral problems (OR = 1.07, p<.001), younger age (OR=.94, p<.95), male gender (OR = 3.04, p<.01), dementia (OR = 2.31, p<.01), staff female gender (OR=.32, p<.01), lack of experience in dementia care (OR = 3.56, p<.05), needs to provide dementia care (OR = 12.31, p<.01), lack of training (OR = 11.52, p<.001), and perceived insufficient training (OR = 2.52, p<.01). Addressing resident behavioral problems and providing sufficient staff training may help prevent RSA
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 | 0,001 | 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 ».