Implementing Trauma-Informed Care—Settings, Definitions, Interventions, Measures, and Implementation across Settings: A Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Traumatic experiences can have long-lasting negative effects on individuals, organizations, and societies. If trauma is not addressed, it can create unsafe cultures with constant arousal, untrusting relationships, and the use of coercive measures. Trauma-informed care (TIC) can play a central role in mitigating these negative consequences, but it is unknown how and in which way(s) TIC should be implemented. Our objective was to conduct a scoping review that systematically explored and mapped research conducted in this area and to identify existing knowledge about the implementation of TIC. The search was conducted on the CINAHL, Cochrane, Embase, ERIC, Medline, PsycINFO, and Web of Science databases, and more than 3000 empirical papers, published between 2000 and 2022, were identified. Following further screening, we included 157 papers in our review, which were mainly from the USA, Australia, New Zealand, and Canada, focusing on study settings, methodologies, and definitions of TIC, as well as the types of interventions and measures used. This review shows that TIC is a complex and multifaceted framework, with no overarching structure or clear theoretical underpinnings that can guide practical implementations. TIC has been defined and adapted in varied ways across different settings and populations, making it difficult to synthesize knowledge. A higher level of agreement on how to operationalize and implement TIC in international research could be important in order to better examine its impact and broaden the approach.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle