Short‐term clinical risk assessment and management: Comparing the Brockville Risk Checklist and Hamilton Anatomy of Risk Management
Notice bibliographique
Résumé
The current article aims to examine the performance of two brief, dynamic risk measures - the Brockville Risk Checklist (BRC4) and one of two versions of the Hamilton Anatomy of Risk Management [HARM-FV and electronic HARM-FV (eHARM-FV)] - scored at regular clinical case conferences for forensic psychiatric patients in two different settings. The eHARM represents a first-in-class dynamic risk assessment tool using data analytics. Two studies are presented from two forensic psychiatric hospitals in Ontario, Canada. The first study compared the HARM-FV, scored by trained research staff, with the BRC4, scored concurrently by clinical teams, on 36 forensic inpatients. In the second study, trained research staff scored both the BRC4 and the eHARM-FV on 55 forensic inpatients. Both studies demonstrated that the BRC4 and both HARM-FV tools were moderately and positively correlated with each other, with higher agreement for similar domains and items. In both samples, the risk measures performed better at identifying individuals who engaged in repeated or more serious problematic behavior. The HARM-FV and eHARM-FV produced higher area under the curve values for subsequent behavior compared with the BRC4. All three tools were effective at detecting future aggression and adverse incidents. We did not directly compare the HARM-FV and eHARM-FV.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».