Prevalence of Elder Abuse and Sub-types in South Asia: A Systematic Review and Meta-analysis
Notice bibliographique
Résumé
Abstract Elder abuse is a critical public health and human rights issue, particularly in South Asia, where patriarchal norms, family-centered caregiving and inadequate institutional support exacerbate the issue. Despite global focus, regional data on elder abuse in South Asian countries are limited. This systematic review and meta-analysis estimated the prevalence of community-based elder abuse and its subtypes among older adults (≥60 years) in South Asia and explored the gender differences in abuse experiences. A comprehensive search of six databases and gray literature identified 33 relevant studies from Bangladesh, India, Nepal, Pakistan, and Sri Lanka. Data were extracted using Covidence, and study quality was assessed with the modified Newcastle-Ottawa Scale. Meta-analyses were conducted using random-effects models, with heterogeneity evaluated via the I² statistic. Most studies were from India (n = 21) and Nepal (n = 7), with an overall elder abuse prevalence of 31.8%, ranging from 25.8% in India to 49.9% in Nepal. Women experienced higher abuse rates (33.0%) than men (24.3%). Caregiver neglect and psychological abuse (around 20% each) were the most common, disproportionately affecting women. Physical abuse (3.9%), financial exploitation (8.0%), and sexual abuse (0.7%) were less frequent, with women experiencing higher abuse in all categories except sexual abuse. This study underscores the significant prevalence of elder abuse in South Asia, with women being disproportionately affected, emphasizing the urgency for culturally appropriate interventions. Targeted policies and community-driven initiatives are essential to combat elder abuse, enhance eldercare, and safeguard vulnerable populations in the region.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| 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 ».