A prison mental health in‐reach model informed by assertive community treatment principles: evaluation of its impact on planning during the pre‐release period, community mental health service engagement and reoffending
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: It is well recognised that prisoners with serious mental illness (SMI) are at high risk of poor outcomes on return to the community. Early engagement with mental health services and other community agencies could provide the substrate for reducing risk. AIM: To evaluate the impact of implementing an assertive community treatment informed prison in-reach model of care (PMOC) on post-release engagement with community mental health services and on reoffending rates. METHODS: One hundred and eighty prisoners with SMI released from four prisons in the year before implementation of the PMOC were compared with 170 such prisoners released the year after its implementation. RESULTS: The assertive prison model of care was associated with more pre-release contacts with community mental health services and contacts with some social care agencies in some prisons. There were significantly more post-release community mental health service engagements after implementation of this model (Z = -2.388, p = 0.02). There was a trend towards reduction in reoffending rates after release from some of the prisons (Z =1.82, p = 0.07). CONCLUSIONS AND IMPLICATIONS FOR PRACTICE: Assertive community treatment applied to prisoners with mental health problems was superior to 'treatment as usual', but more work is needed to ensure that agencies will engage prisoners in pre-release care. The fact that the model showed some benefits in the absence of any increase in resources suggests that it may be the model per se that is effective.
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.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle