Notice bibliographique
Résumé
Every day, clinicians assess risk in various settings. Psychiatrists in all forms of practice are asked to use their skills to forecast the risk of violence: Is the patient dangerous? Should the patient be detained against his or her will? When can we safely release the patient into the community? These are just a few of the formidable questions that are asked daily in clinical practice. Given these expectations, how are we to navigate the inherent uncertainties of risk assessment? Providing didactic education and clinical training for residents within the core psychiatric curriculum would seem essential. Continuing professional development is equally important for psychiatrists to remain well informed of developments in the field. This issue’s In Review section highlights many developments, both in Canada and internationally, along with their clinical implications. The first article, by Dr Hy Bloom and colleagues, gives us a historical overview and suggests implications for current psychiatric practice from a Canadian perspective (1). Canadians have contributed significantly to the international literature on risk assessment, and Bloom and colleagues highlight the importance of assessing the risk of violence to others. They describe this as “undoubtedly the most essential and onerous risk decision-making area (civil commitment) for psychiatrists,” and offer psychiatrists contemporary risk assessment principles to guide clinical practice. The second article, by Dr Graham Glancy and Dr Gary Chaimowitz, provides an overview of the clinical use of risk assessment (2). These authors argue that risk assessment should be part of daily clinical psychiatric practice—indeed, not only risk assessment but, more importantly, risk management and risk reduction. Glancy and Chaimowitz advocate for the use of as much information as possible, including clinical (dynamic), historical (static), and collateral information. This in turn allows clinicians to consider the imminence and severity of potential violence, under what circumstances this risk will be increased, and what can be changed to reduce the risk.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,016 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,003 | 0,017 |
| Intégrité de la recherche | 0,007 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».