Crowding and Violence on Psychiatric Wards: Explanatory Models
Notice bibliographique
Résumé
Objective: Violence is widely prevalent on acute-care psychiatric wards, and crowding has been identified as a major risk factor. This paper explores why patients may respond to crowding with violence. Method: We carried out a literature review on Medline, using the key words “violence” and “crowding.” We conducted an additional hand search of the references collected from the reviewed papers. Results: Factors specific to the relation between crowding on acute-care inpatient psychiatric wards and violence can be divided under the following headings: 1) patient density, privacy, and control; 2) ward architecture; 3) the social organization of psychiatric wards; 4) interpersonal space; 5) phylogenic theories; and 6) anthropological theories of human behaviour. Conclusions: We offer explanatory models for this relation and suggest strategies to counter the effects of crowding. Recommendations are made for future studies. Objectif: La violence dans les unités de soins psychiatriques aigus est très répandue et l'on a reconnu que le surpeuplement est un important facteur de risque. Le présent article cherche à savoir pourquoi les patients peuvent répondre au surpeuplement par la violence. Méthode: Une revue de la documentation a été menée dans Medline à l'aide des mots clés violence et surpeuplement. Une recherche manuelle additionnelle des références recueillies dans les articles examinés a aussi été menée. Résultats: Les facteurs spécifiques de la relation entre le surpeuplement des unités de soins psychiatriques aigus et la violence peuvent se diviser selon les catégories suivantes: 1) la densité, l'intimité et le contrôle des patients, 2) l'architecture de l'unité, 3) l'organisation sociale des unités psychiatriques, 4) l'espace interpersonnel, 5) les théories phylogéniques et 6) les théories anthropologiques du comportement humain. Conclusions: Les modèles explicatifs de cette relation sont offerts et des stratégies sont suggérées pour contrer les effets du surpeuplement. Des recommandations sont faites pour de futures études.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».