Experiencing violence in a psychiatric setting: Generalized hypervigilance and the influence of caring in the fear experienced
Notice bibliographique
Résumé
BACKGROUND: Exposure to violence in the mental health sector both affects employees and has implications for the quality of care provided. OBJECTIVE: This phenomenological study aims to describe and understand the ways in which acts of aggression from a patient might affect workers in a psychiatric institute, their relationships with the patients and the services offered. METHODS: Two semi-structured interviews were conducted with each of the 15 participants from various professions within a psychiatric hospital. RESULTS: Our analysis reveals four themes: hypervigilance, caring, specific fear toward the aggressor and generalized fear of all patients. A state of hypervigilance is found among all participants. An emphasis on caring is present among the majority and unfolds as a continuum, ranging from being highly caring to showing little or no caring. A feeling of fear is expressed and is influenced by the participant's place on the caring continuum. Caring workers developed a specific fear of their aggressor, whereas those showing little or no caring developed a generalized fear of all patients. Following a violent event, caring participants maintained this outlook, whereas those demonstrating little to no caring were more inclined to disinvest from all patients. CONCLUSIONS: Hypervigilance and fear caused by experiences of violence impact the quality of care provided. Considerable interest should thus be paid to caring, which can influence fear and its effects.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».