Patient-on-Staff Assaults: Perspectives of Mental Health Staff at an Acute Inpatient Psychiatric Teaching Hospital in the United States
Notice bibliographique
Résumé
INTRODUCTION: Physical assaults perpetrated by patients in psychiatric hospitals against mental health staff (MHS) is a serious concern facing psychiatric hospitals. Assaulted staff reports physical and psychological trauma that affects their personal and professional lives. There is a dearth of literature exploring this phenomenon. PURPOSE: To explore MHS perspectives of assault by psychiatric patients. METHODS: A transcendental phenomenological qualitative design was used to explore and analyze the perspectives of a purposeful sample of 120 MHS perspectives at an acute inpatient psychiatric hospital. Participants' age ranged from 22 to 63 years (mean age = 32.4). Moustakas' theoretical underpinnings guided the study. RESULTS: Two patterns, 8 themes, and 19 subthemes were identified: (a) Psychological impacts revealed four themes-increase of anxiety/fear level, helplessness and hopelessness, flashbacks/burnout, and doubting own competency. (b) Physiosocial impacts revealed four themes-unsupportive superiors, stigmatization of staff victim, failure to report the incident, and environmental safety. DISCUSSION: Participants verbalized that assaults by patients have instilled fear and trauma in them. Most of the assaults occurred when staff were performing their routine job functions and setting limits to patient's behavior. CONCLUSION: The study allowed MHS opportunities to narrate their lived experiences of being assaulted by patients and provided validation of their perspectives. Findings illuminated the phenomenon and may help to support policy changes in psychiatric hospitals.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».