MétaCan
Menu
Retour à la cohorte
Enregistrement W4391540371 · doi:10.1177/0306624x241228229

Enhancing Pre-Treatment Motivation Improves Forensic Mental Health Outcomes

2024· article· en· W4391540371 sur OpenAlexaff
Heather M. Moulden, Samuel A. Matthew, Gary Chaimowitz

Notice bibliographique

RevueInternational Journal of Offender Therapy and Comparative Criminology · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueOptimism, Hope, and Well-being
Établissements canadiensMcMaster UniversitySimon Fraser UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesnon disponible
Mots-clésMotivational interviewingMental healthPsychologyClinical psychologyIntervention (counseling)Forensic sciencePsychiatryPsychotherapistMedicine

Résumé

récupéré en direct d'OpenAlex

Despite evidence that psychological treatments benefit from pre-treatment intervention, there remains no published research on the value of including a pre-treatment intervention in forensic mental health settings. The present study aimed to address this gap by examining the effects of adding a brief motivational preparatory program (MPP) to standard forensic psychiatric care. The MPP was based on hope theory and motivational interviewing within a cognitive-behavioral therapy approach. MPP participants and a waitlist control group completed a battery of self-report measures of hope and motivation to change, which were compared with respect to risk, demographic, offence history, and outcome variables. There was a significant increase in client motivation for change after completing the MPP. Additionally, those who completed the MPP evidenced modest reductions in aggressive behavior, but significantly increased engagement in subsequent forensic treatment and programming.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil0,557

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,179
Tête enseignante GPT0,402
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Offender Therapy and Comparative CriminologyMême sujetOptimism, Hope, and Well-beingTravaux en français237 207