Adaptation of the Clinical Global Impression for Use in Correctional Settings: The CGI-C
Notice bibliographique
Résumé
Background Provision of mental health care in correctional settings presents unique challenges. There is a need for a simple to use tool to measure severity of mental illness in correctional settings that can be used by mental health staff from different disciplines. We adapted the severity scale of the Clinical Global Impression for use in correctional settings which we have called CGI-C, and carried out a reliability study. Method Clinical descriptions of typical inmate presentations were developed to benchmark each of the seven possible ratings of the CGI. Twenty-one case vignettes were then developed for study of inter-rater reliability, which were then rated using the CGI-C by 5 forensic psychiatrists (on three occasions), and 11 multidisciplinary healthcare clinicians (twice). The tool was introduced into clinical practice and the first 57 joint assessments carried out by both a psychiatrist and clinician in which a CGI-C was rated were compared to measure inter-rate reliability. Results We found very good inter-rater and test-retest reliability in all analyses. Gwet’s AC, calculated on initial ratings of the vignettes by the psychiatrists was 0.85, (95% CI 0.81-0.90, p<0.001), and 0.87, (95% CI 0.83-0.91, p<0.001) for clinician ratings. Inter-rater reliability based on 57 joint face-to-face assessments of inmates showed Gwet’s AC coefficient of 0.93 (95 % CI 0.88-0.97). Conclusion The CGI-C is simple to use, can be used by members of the multidisciplinary team and shows high reliability. The advantage in correctional settings is that it can be used even with the most severely ill and behaviorally disturbed, based on observation and collateral information.
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 | 0,014 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».