Physical Abuse of the Elderly: Results from the Abuel Study in Seven European Countries
Notice bibliographique
Résumé
Introduction. The abuse of older persons is increasingly a source of concern world-wide. The abuse may involve physical, psychological and sexual aggression, injuries or financial maltreatment and neglect. Regardless of the form of abuse, it may lead to physical and mental health problems, and decreased quality of life for the older person. Notwithstanding, there is little information about the abuse of older persons. Therefore, one of the aims of ABUEL was - to investigate the prevalence of physical abuse among elderly persons in selected European countries. Methods. The data was collected cross-sectionally (“ABUEL, Elder abuse: A multinational prevalence survey”) in 2009. The respondents were 4467 randomly selected persons aged 60-84 from seven European cities: Ancona (Italy), Athens (Greece), Granada (Spain), Kaunas (Lithuania) Ludwigsburg (Germany), Porto (Portugal), Stockholm (Sweden). The various types of abuse (e.g. physical, psychological, sexual) were assessed. Results. The preliminary findings showed that almost one quarter (22.6%, CI (95%) 21.4-23.8%) of the respondents experienced any type of violence (excluding neglect) during the past year. The physical violence was reported by 2.6% of the European respondents and it corresponds to 11.6% of all reported cases of violence. This type of violence differed by country. The highest rates were identified in Sweden (4.2%) and Greece (3.4%) and the lowest in Italy (1.0%) and Spain (1.3%). Some of the physical violent acts caused serious physical injuries, with the highest rates in Lithuania (1.43%) followed by Athens, Porto and Stockholm (1.1%, 0.8% and 0.6% respectively). In contrast, Ancona’s respondents did not report any case of injuries. In dept analysis of Lithuanian data showed that physical injuries were more common among female, low educated and married respondents. Discussion and Conclusions. The preliminary results indicate [...].
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».