Service Users’ Knowledge and Views on Outpatients’ Compulsory Community Treatment Orders: A Cross-Sectional Matched Comparison Study
Notice bibliographique
Résumé
Objective: Community treatment orders (CTOs) have been used in the treatment of some individuals with serious mental illness who fail to adhere to their psychiatric treatment, leading to frequent hospitalization. This article examines perceptions and knowledge of CTOs amongst outpatient service users in Toronto, Canada. Method: Service users under a CTO were matched to a comparison control group of voluntary outpatients ( n = 69 in each group). Participants were interviewed using a series of questionnaires aimed at assessing instead of evaluating their knowledge and perceptions of CTOs, as well as understanding their views about the utility and impact of CTOs in the treatment of individuals with mental health issues. Results: Participants in the CTO group knew significantly more about CTO processes, restrictions, and procedural protections than the control group. Both groups thought that a CTO could improve certain individuals’ mental health. The control group felt more strongly that a CTO could improve a service user’s physical health by providing better access to care and closer monitoring ( P = 0.019) while a significant proportion of the CTO group thought that being on a CTO was better than being in the hospital ( P = 0.001) and that service users should be able to contest their CTO ( P = 0.001). In addition, CTO group participants were significantly more optimistic about the potential positive impact of CTOs on other service users’ quality of life ( P = 0.008) and mental health ( P = 0.023) compared to themselves. Conclusions: In general, both groups viewed CTOs as potentially capable of positively affecting treatment and lives of some individuals with mental illness.
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 | 0,001 | 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 | 0,001 |
| 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 ».