MétaCan
Menu
Retour à la cohorte
Enregistrement W4402559370 · doi:10.1080/13218719.2024.2346734

The benefits and harms of inpatient involuntary psychiatric treatment: a scoping review

2024· review· en· W4402559370 sur OpenAlexaff
Amy Corderoy, Steve Kisely, Tessa‐May Zirnsak, Christopher Ryan

Notice bibliographique

RevuePsychiatry Psychology and Law · 2024
Typereview
Langueen
DomainePsychology
ThématiqueHealthcare Decision-Making and Restraints
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPsychiatryPsychologyInvoluntary treatmentMedicineMental health

Résumé

récupéré en direct d'OpenAlex

This scoping review examined quantitative research comparing involuntary inpatient groups with voluntary inpatients or other comparator group. Ten themes were identified: patient knowledge of legal status, experienced or perceived coercion, effects on medication use, clinical effects measured on outcome scales, effects on psychiatric readmission, use of restraints and seclusion, effects on suicide and deaths, patient satisfaction, length of stay and carer experiences. The review found that involuntary inpatient admission was associated with harms including increased subjective and objective coercion, increased cost and decreased patient satisfaction. In addition, it found that there may be significant confusion among both voluntary and involuntary patients regarding their legal rights. However, patients admitted on an involuntary basis experienced greater improvements in symptoms and function, possibly due to greater symptom burden prior to admission. Involuntary treatment carries the potential for both benefit and harms that should be acknowledged and mitigated by service providers.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,930
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,089
Tête enseignante GPT0,457
Écart entre enseignants0,368 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychiatry Psychology and LawMême sujetHealthcare Decision-Making and RestraintsTravaux en français237 207