Forensic psychiatry in the arctic – a comparative study of patient characteristics, health care system and legislation in greenland and nunavut
Notice bibliographique
Résumé
Introduction Greenland and the Canadian territory of Nunavut appear to have a different prevalence of forensic psychiatric patients, despite their comparable population and landmass sizes. Both are mainly inhabited by Inuit with a similar cultural and social background. Both have a universal health care system. They differ, however, concerning the supply of mental health services and legislation concerning forensic psychiatric patients. Objectives To compare the prevalence and clinical characteristics of forensic psychiatric patients in Greenland and Nunavut. Methods Data is obtained from health records, forensic psychiatric evaluations and court acts from all forensic psychiatric patients 18 years or older living in Greenland or admitted to the University Hospital Aarhus (N≈100). Data extracted from Nunavut Review Board hospital reports will be used to describe the patient population from Nunavut (N≈15). Patient characteristics include gender, age, marital status, education, diagnosis of mental illness, medical treatment, family history of mental illness and serious adverse childhood experiences. Public documents concerning health systems and legislation will be identified through literature search. Results Patient characteristics from the two patient populations, as well as visualizations of the differences and similarities between the respective health care and legislative systems will be presented at the conference. Conclusions This study provides a comprehensive clinical, socio-demographic and forensic comparison of the forensic psychiatric populations in Greenland and Nunavut, Canada. To our knowledge, it will be the first to describe and compare forensic psychiatric populations in the Arctic.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».