Resident-to-Resident Abuse: A Scoping Review
Bibliographic record
Abstract
RÉSUMÉ L'abus de résidents par d'autres résidents parmi de foyers de soins de longue durée (SLD) implique l'agressivité et la violence et peut avoir des conséquences graves pour tous les deux, agresseurs et victimes. Jusqu'à présent, il n'y a eu aucune tentative d'évaluer systématiquement la portée de ce problème au Canada. Pour combler cette lacune, nous avons entrepris une étude de délimitation de l'étendue pour améliorer la compréhension de l'abus chez les résidents des foyers de SLD. Nous présentons aussi un ensemble redigé de données canadiennes sur l'abus chez les résidents. On a cherché neuf bases de données bibliographiques électroniques; un total de 784 résumés a été trouvés, mais seulement 32 ont satisfait les critères d'inclusion. La majorité des documents (75 pour cent) étaient des études de cas rétro-perspectives, des études qualitatives et critiques/commentaires. Parmi eux, seuls 14 se consacrent exclusivement à l'abus parmi les résidents. L'ensemble redigé de données canadiennes suggère que l'abus des résidents par d'autres résidents représente environ un tiers des cas d'abus signalés. Afin de faire connaître cette phénomène et d'aider à diminuer son incidence, des recommandations pour la recherche future, la pratique clinique et la politique sont fournis.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.064 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.003 |
| Bibliometrics | 0.027 | 0.034 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".