Characteristics and motivations of absconders from forensic mental health services: a case-control study
Notice bibliographique
Résumé
BACKGROUND: Absconding from hospital is a significant health and security issue within psychiatric facilities that can have considerable adverse effects on patients, their family members and care providers, as well as the wider community. Several studies have documented correlates associated with absconding events among general psychiatric samples; however, few studies have examined this phenomenon within samples of forensic patients where the perception of threat to public safety in the event of an unauthorized absence from hospital is often higher. METHODS: We investigate the frequency, timing, and determinants of absconding events among a sample of forensic psychiatric patients over a 24-month period, and compare patients who abscond to a control group matched along several sociodemographic and clinical dimensions. We explore, in a qualitative manner, patients' motives for absconding. RESULTS: Fifty-seven patients were responsible for 102 incidents of absconding during the two year study window. Forensic patients who absconded from hospital were more likely to have a history of absconding attempts, a diagnosed substance use disorder, as well as score higher on a structured professional violence risk assessment measure. Only one of the absconding events identified included an incident of minor violence, and very few included the commission of other illegal behaviors (with the exception of substance use). The most common reported motive for absconding was a sense of boredom or frustration. CONCLUSIONS: Using an inclusive definition of absconding, we found that absconding events were generally of brief duration, and that no member of the public was harmed by patients who absconded. Findings surrounding the motivations of absconders suggest that improvements in therapeutic communication between patients and clinical teams could help to reduce the occurrence of absconding events.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».