The Brøset Violence Checklist: clinical utility in a secure psychiatric intensive care setting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Accessible summary • Fear of violence from patients may affect the quality of care mental health nurses provide. • The Brøset Violence Checklist (BVC), a six-item instrument, has the potential to assist health-care providers in identifying patients who may become aggressive. • A trial of the BVC on a secure psychiatric intensive care unit suggested that the tool was well accepted by staff and may have contributed to reduced seclusion rates. • Five-year follow-up has revealed an incorporation of the BVC into routine practice on the psychiatric intensive care unit. Violence towards health-care workers, especially in areas such as mental health/psychiatry, has become increasingly common, with nursing staff suggesting that a fear of violence from their patients may affect the quality of care they provide. Structured clinical tools have the potential to assist health-care providers in identifying patients who have the potential to become violent or aggressive. The Brøset Violence Checklist (BVC), a six-item instrument that uses the presence or absence of three patient characteristics and three patient behaviours to predict the potential for violence within a subsequent 24-h period, was trialled for 3 months on an 11-bed secure psychiatric intensive care unit. Despite the belief on the part of some nurses that decisions related to risk for violence and aggression rely heavily on intuition, there was widespread acceptance of the tool. During the trial, use of seclusion decreased suggesting that staff were able to intervene before seclusion was necessary. The tool has since been implemented as a routine part of patient care on two units in a 92-bed psychiatric centre. Five-year follow-up data and implications for practice are presented.
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.
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 | 0,004 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle