MétaCan
Menu
Retour à la cohorte
Enregistrement W1999386710 · doi:10.1111/j.1365-2850.2009.01396.x

Factors influencing decisions on seclusion and restraint

2009· article· en· W1999386710 sur OpenAlexaffabout
Caroline Larue, Alexandre Dumais, Elizabeth C. Ahern, Emmanuelle Bernheim, Marie-Pierre Mailhot

Notice bibliographique

RevueJournal of Psychiatric and Mental Health Nursing · 2009
Typearticle
Langueen
DomainePsychology
ThématiqueHealthcare Decision-Making and Restraints
Établissements canadiensUniversité de MontréalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésSeclusionAggressionSet (abstract data type)PsychologyHealth careControl (management)PerceptionCategorizationApplied psychologyNursingMedicineSocial psychologyPsychiatryPolitical science

Résumé

récupéré en direct d'OpenAlex

Seclusion with or without restraint is a measure for managing aggressive or agitated clients and promoting site security, particularly in an emergency psychiatric setting. The decision to control a potentially dangerous person's behaviour by removal or seclusion seems ethically justifiable in such a setting. However, although the decisions on these restrictive measures are based on rational needs, they are also influenced by the healthcare team's perceptions of the client and by the characteristics of the team and the environment. The purpose of this paper is to set out and categorize the factors in play in aggression- and agitation-management situations as perceived by the healthcare teams, particularly the nurses. The first part of the paper deals briefly with the settings in which control measures are applied in a province in eastern Canada and the effect of such measures on patients and healthcare teams. The second part identifies the factors involved in the management of agitation and aggression behaviour. The final part discusses the current spin-offs from this knowledge as well as promising paths for further research on the factors involved. The ultimate objective is to reduce recourse to coercive measures and enhance professional practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,065
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,048
Tête enseignante GPT0,423
Écart entre enseignants0,374 · 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 source (Gemma direct ou Codex distillé), 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

Citations85
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Psychiatric and Mental Health NursingMême sujetHealthcare Decision-Making and RestraintsTravaux en français237 207