Anger management interventions for adults with learning disabilities living in the community: a review of recent (2000–2010) evidence
Notice bibliographique
Résumé
Accessible summary One in four adults with learning disabilities living in the community find it hard to manage their anger. This can make life hard for adults with learning disabilities and the people who support them. This study looks at research on helping adults with learning disabilities to manage their anger. More research needs to be carried out to find better ways of helping adults with learning disabilities to manage their anger. Summary Estimates suggest that around a quarter of adults with learning disabilities living in the community have difficulties controlling their anger. Angry or aggressive behaviour can have serious repercussions, including loss of residential or day placements, admission to hospital and reduced quality of life. In addition, the psychological well being of both paid and family carers can be adversely affected. A previous review of this area ( Whitaker 2001 ) suggested equivocal results for cognitive‐behavioural (CBT) approaches. The current study provides an update to this review, considering papers published in the last 10 years and expanding its scope to include a variety of therapeutic interventions. A systematic search of peer‐reviewed journals identified 14 relevant documents, the majority of which were group‐based and CBT in their approach. Overall, methodological weaknesses made it difficult to draw any firm conclusions about the effectiveness of the different approaches. Implications for clinical and research practice are discussed.
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 | 0,017 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».