Monitoring systems and national surveys on prison health in France and abroad
Notice bibliographique
Résumé
BACKGROUND: The implementation of a national monitoring system of prisoners' health is under consideration in France. As information available on this topic is quite scarce, particularly in Europe, a study was performed to identify and describe various prison health monitoring approaches implemented worldwide. METHODS: Data were collected for 15 countries in Oceania, North America and western and northern Europe via official state websites, bibliographical searches and interviews with international prison health representatives. RESULTS: The means and methods implemented to monitor prisoners' health in the studied countries are heterogeneous. Although all countries systematically record mortality data, only four have a monitoring system that covers a wide array of health data: Canada and Belgium routinely collect health data using a systematic, standardized and computerized approach, while the USA and Australia have developed regular repeated nationwide surveys. Some countries have set up monitoring systems restricted to specific health problems, such as infectious diseases (e.g. the UK, Switzerland and Canada) and mental health (e.g. New Zealand and the Netherlands). In other countries, including France, prisoners' health monitoring systems are limited to occasional epidemiological studies covering specific topics, for example, psychiatric disorders, addiction or infectious diseases. However, their one-off nature prevents regular assessment of health prevalence and trends. CONCLUSIONS: This study highlights the diversity of approaches and methods developed to monitor prison health in high-income countries. Analysis of these different situations provides an insight into the feasibility of and requirements for the development of an efficient prison health surveillance system.
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 | 0,039 | 0,001 |
| 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 | 0,000 | 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 ».