MétaCan
Menu
Retour à la cohorte
Enregistrement W1996764667 · doi:10.1300/j076v32n04_04

Age, Gender, and Treatment Attendance Among Forensic Psychiatric Outpatients

2001· article· en· W1996764667 sur OpenAlexaff
Dianne C. Hadley, John R. Reddon, Robert Donald. Reddick

Notice bibliographique

RevueJournal of Offender Rehabilitation · 2001
Typearticle
Langueen
DomaineMedicine
ThématiqueSchizophrenia research and treatment
Établissements canadiensAlberta Hospital Edmonton
Organismes subventionnairesnon disponible
Mots-clésAttendancePsychiatryPsychologyAbsenteeismImpulsivityMedicineClinical psychology

Résumé

récupéré en direct d'OpenAlex

Abstract The records of 1,185 female and 5,114 male forensic psychiatry outpatients, within the age range of 15-44 years, were used to evaluate absenteeism from treatment in relation to age and gender. Age was divided into the 3 age groups 15-24, 25-34, and 35-44. Females had a significantly higher absentee rate than males in all age groups (p < .05). This gender difference is likely due to varying social roles as well as differential perceptions of treatment relevance. For both males and females, missed appointments declined significantly with age (p < .05). This age effect likely results from the decline in risk-taking and impulsivity with age. Because the efficacy of any treatment lies in a client's continued participation, it is important to address program attendance barriers and commitment to treatment issues. Commitment to treatment can be increased by active follow-up on non-attendance and by providing a positive therapy experience. Key Words: Treatment complianceabsenteeismforensic treatmentoutpatient

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,395

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,316
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Offender RehabilitationMême sujetSchizophrenia research and treatmentTravaux en français237 207