Part IV: Assessing and Managing Violent Patients
Notice bibliographique
Résumé
offered the opportunity to contribute to a section discuss-ing experience with special patient populations. An im-portant area of forensic psychiatric research pertains to research on violence and aggressive behaviours. Violence is a broad concept that may include verbal threats and psychological and physical aggression. Numerous re-searchers have come to the conclusion that there is a defi-nite relation between violence and mental illness (1,2). In a large, community-based epidemiological survey (n = 10,000), Swanson and others found that an Axis I diagno-sis increased the risk of violent behaviour 10 to 15 times for substance use disorders and five to six times for the anxiety, affective and schizophrenic disorders (2). Several studies have found that psychosis and schizophrenia are associated with violent acts against others, including homicide (3–6). Psychiatrists often encounter violence in acute care hospi-tal settings, emergency departments and outpatient serv-ices. Faulker and others reviewed the survey literature pertaining to threats and assaults on psychiatrists and con-ducted their own survey of Oregon psychiatrists. They concluded that assaults and threats were frequent, oc-curred across various settings and involved a wide range of patients. The psychiatrists ’ sex was not a factor (7). In the Canadian context, Chaimowitz and Moscovitch sur-veyed all psychiatric residents who were members of the
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,068 | 0,027 |
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 ».