MétaCan
Menu
Retour à la cohorte
Enregistrement W4405595814 · doi:10.1176/appi.ps.20240108

Examining Systemic and Interpersonal Bias in Violence Risk Assessments of Patients in Acute Psychiatric Care

2024· article· en· W4405595814 sur OpenAlexaffabout
Christoffer Dharma, Susan J. Bondy, Laura Sikstrom, Peter S. Muirhead, Juveria Zaheer, Marta M. Maslej

Notice bibliographique

RevuePsychiatric Services · 2024
Typearticle
Langueen
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésPsychiatryEthnic groupInterpersonal communicationMedicineSuicide preventionPoison controlInterpersonal violenceAcute careInjury preventionOccupational safety and healthRisk assessmentHuman factors and ergonomicsHealth carePsychologyMedical emergency

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The assessment and management of inpatient risk for violence in acute psychiatric care are challenges that introduce the potential for bias. This study aimed to examine inequities based on social determinants of health (SDoH) (e.g., race-ethnicity, gender, or mode of admission to acute care) that may lead to unfair assessment of psychiatric patients. METHODS: The authors analyzed electronic health records of 7,424 acute care patients across 12,650 stays (2016-2022) at a large Canadian psychiatric hospital. Risk ratios (RRs) were calculated by SDoH for staff assessments of high risk (perceived risk), for violent incidents (actual risk), and for potentially biased risk assessment (particularly when a patient was assessed as high risk but did not become violent). RESULTS: In univariate analyses, patients assessed as high risk who did not become violent were more likely to be male than female and to be Black, Indigenous, or Middle Eastern than White. When RRs were mutually adjusted for all variables, the associations for gender and race-ethnicity were attenuated or were no longer statistically significant. Associations with potentially biased risks that remained significant included most psychiatric diagnoses (vs. a depressive or anxiety disorder), supportive or unstable housing (vs. owning a home), and admission by police (vs. self-admission; RR=2.14, 95% CI=1.92-2.40). CONCLUSIONS: Systemic factors, such as admission by police and housing status, and having severe mental illness were the primary drivers of observed inequities in risk assessments of patients from racial-ethnic minority groups. Addressing these systemic factors might be key to improving acute psychiatric care.

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)0,048
score de la tête « metaresearch » (Gemma)0,139
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,256

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0480,139
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,023
Tête enseignante GPT0,325
Écart entre enseignants0,303 · 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'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

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsychiatric ServicesMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207