Predicting self- and other-directed violence among discharged psychiatric patients: the roles of anger and psychopathic traits
Notice bibliographique
Résumé
BACKGROUND: We examined the extent to which trait anger and psychopathic traits predicted post-discharge self-directed violence (SDV) and other-directed violence (ODV) among psychiatric patients. METHOD: Participants were 851 psychiatric patients sampled from in-patient hospitals for the MacArthur Violence Risk Assessment Study (MVRAS). Participants were administered baseline interviews at the hospital and five follow-up interviews in the community at approximately 10-week intervals. Psychopathy and trait anger were assessed with the Psychopathy Checklist: Screening Version (PSC:SV) and the Novaco Anger Scale (NAS) respectively. SDV was assessed during follow-ups with participants and ODV was assessed during interviews with participants and collateral informants. Psychopathy facets and anger were entered in logistic regression models to predict membership in one of four groups indicating violence status during follow-up: (1) SDV, (2) ODV, (3) co-occurring violence (COV), and (4) no violence. RESULTS: Anger predicted membership in all three violence groups relative to a non-violent reference group. In unadjusted models, all psychopathy facets predicted ODV and COV during follow-up. In adjusted models, interpersonal and antisocial traits of psychopathy predicted membership in the ODV group whereas only antisocial traits predicted membership in the COV group. CONCLUSIONS: Although our results provide evidence for a broad role for trait anger in predicting SDV and ODV among discharged psychiatric patients, they suggest that unique patterns of psychopathic traits differentially predict violence toward self and others. The measurement of anger and facets of psychopathy during discharge planning for psychiatric patients may provide clinicians with information regarding risk for specific types of violence.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».