Perspectives on the COVID-19 Pandemic Response in a Forensic Psychiatric Hospital: Informing Future Planning
Notice bibliographique
Résumé
The COVID-19 pandemic has resulted in rapid and unprecedented public policy and legislative interventions to reduce the global spread of the virus. The scope of these challenges has been particularly broad and pressing within health care settings. Individuals with severe mental illness hospitalized in psychiatric facilities are at greater risk of infection than the general population due to both the characteristics of the population (e.g., mentally ill individuals may find the physical distancing measures difficult to understand) and the nature of the settings (e.g., communal living, frequent admissions and discharges). Therefore, it is essential that preventative measures are taken to minimize the chance of nosocomial outbreak in long-term psychiatric facilities; yet minimal information specific to forensic contexts is available. This paper reviews the system-wide strategies that have been put in place across a large Canadian forensic facility and offers recommendations on how to respond to a pandemic or other outbreak in a secure psychiatric setting. Taking the response to COVID-19 in the context of a forensic psychiatric setting, we discuss a wide range of essential aspects of pandemic planning and provide examples of innovative practices that should be considered for retention, future research and broader implementation.
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 | 0,028 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,020 |
| Communication savante | 0,018 | 0,017 |
| Science ouverte | 0,007 | 0,015 |
| Intégrité de la recherche | 0,021 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 ».