Management of COVID-19 Response in a Secure Forensic Mental Health Setting: Réponse à la gestion de la COVID-19 dans un établissement sécurisé de santé mentale et de psychiatrie légale
Notice bibliographique
Résumé
OBJECTIVES: The coronavirus disease 2019 (COVID-19) pandemic presents major challenges to places of detention, including secure forensic hospitals. International guidance presents a range of approaches to assist in decreasing the risk of COVID-19 outbreaks as well as responses to manage outbreaks of infection should they occur. METHODS: We conducted a literature search on pandemic or outbreak management in forensic mental health settings, including gray literature sources, from 2000 to April 2020. We describe the evolution of a COVID-19 outbreak in our own facility, and the design, and staffing of a forensic isolation unit. RESULTS: We found a range of useful guidance but no published experience of implementing these approaches. We experienced outbreaks of COVID-19 on two secure forensic units with 13 patients and 10 staff becoming positive. One patient died. The outbreaks lasted for 41 days on each unit from declaration to resolution. We describe the approaches taken to reduction of infection risk, social distancing and changes to the care delivery model. CONCLUSIONS: Forensic secure settings present major challenges as some proposals for pandemic management such as decarceration or early release are not possible, and facilities may present challenges to achieve sustained social distancing. Assertive testing, cohorting, and isolation units are appropriate responses to these challenges.
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 | 0,010 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».