MétaCan
Menu
Retour à la cohorte
Enregistrement W4392595416 · doi:10.18192/aporia.v16i1.6947

Can mental health practice benefit from procedural justice theory? A critical analysis on the opportunities and pitfalls of procedural justice to address coercion and human rights issues in psychiatry

2024· article· en· W4392595416 sur OpenAlexafffundvenue
Clara Lessard‐Deschênes, Pierre Pariseau‐Legault, Marie‐Hélène Goulet

Notice bibliographique

RevueAporia · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueHealthcare Decision-Making and Restraints
Établissements canadiensUniversité du Québec en OutaouaisUniversité de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésCoercion (linguistics)Procedural justiceMental healthEconomic JusticeHuman rightsPsychologyCriminologyPolitical sciencePsychiatryLaw

Résumé

récupéré en direct d'OpenAlex

The theory of procedural justice, derived from social psychology, is employed in numerous fields of study concerned with the quality of interactions involving individuals in positions of authority. Although this theory is increasingly cited for its potential to promote approaches aimed at mitigating the effects of psychiatric coercion and better respecting individuals' rights, empirical literature provides limited insights into how procedural justice could be translated into practice. It is important, therefore, to examine the theoretical and practical implications of such an orientation. Based on a critical analysis of existing literature, this article will discuss the potential contributions and limitations of procedural justice applied in the field of mental health and psychiatric nursing. Procedural justice has limitations regarding solutions for human rights violations in psychiatry. It nonetheless allows a focus on the quality of interactions with individuals in coercive contexts, in addition to considering the social and identity-related implications of psychiatric coercion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,055
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,272

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,055
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0100,116
Communication savante0,0160,025
Science ouverte0,0030,010
Intégrité de la recherche0,0120,019
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,055
Tête enseignante GPT0,433
Écart entre enseignants0,379 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations6
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAporiaMême sujetHealthcare Decision-Making and RestraintsTravaux en français237 207