Exploring Social Interactions in the Context of Justice System Involvement: Perspectives of Patients and Psychiatric Nurses
Notice bibliographique
Résumé
Psychiatric nurses who work with people who are involved with the justice system experience ethical and moral tension arising from their dual role (care and control). This is known to significantly affect the development of a therapeutic relationship between nurses and patients. (a) better understand how justice system involvement affects people living with mental disorders and the nurses who work with them; (b) explore the influence of judiciarization on social interactions between these actors. Grounded theory (GT) was used as the qualitative methodology for this research. Semi-structured interviews were conducted with participants. The study was carried out in three different units of a psychiatric institution: Psychiatric Intensive Care Unit, Emergency Department, and Brief Intervention Unit. A sample of 10 patients and 9 psychiatric nurses was recruited ( n = 19). Theoretical sampling was used to recruit participants. We followed the iterative steps of qualitative GT analysis (open coding, axial coding, constant comparison, and modelization). Three main themes emerged from the qualitative analysis: (a) Experience of Justice System Involvement, (b) Crisis, (c) Relational Aspects and Importance of the Approach. These results will inform nurses and healthcare providers about the impacts of justice system involvement on people living with mental illness and how clinical practices can be better adapted to this population with complex health needs.
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,018 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».