‘Difficult’ Patients: Disciplinary Power and Nursing Practice in Forensic Hospital Settings
Notice bibliographique
Résumé
Nurses practicing in forensic mental health hospital settings work with patients involved in the criminal justice system who are also diagnosed with psychiatric illnesses. Nurses work towards collaborative and therapeutic relationships with patients with an eventual goal of recovery and successful discharge to the community. Though the majority of patients in these settings in Canada are diagnosed with psychotic disorders, a smaller proportion may be diagnosed with antisocial personality disorder (ASPD), a patient population often described as 'difficult' or even 'untreatable' by nurses. In this paper, we offer a critical examination of forensic mental health nursing practice with this patient population, based upon a qualitative study, using discourse analysis methodology of nursing practices in a Canadian high security forensic hospital setting. Nurse participants described those challenges faced and strategies employed when working with patients diagnosed with ASPD, and who had been found not criminally responsible on account of mental disorder (NCRMD). Michel Foucault's poststructuralist concept of disciplinary power provides the theoretical lens in which both patient behaviours deemed 'difficult' and nursing practices are interrogated. Our findings indicate that the secure forensic mental health hospital environment represents a highly disciplinary space, wherein constant observation of patients occurs, and attempts are made to 'normalize' behaviours deemed abnormal. Patients diagnosed with ASPD regularly violate hospital rules and behavioural expectations, leading to frustration amongst nursing staff. Tensions existed in proposed strategies for working with these patients between strict adherence to unit rules and the disciplinary order, and a willingness to loosen these rules in attempts to improve nurse-patient relationships. The nursing implications of these opposing strategies are critically examined, with proposals for practices that exist both within and outside the disciplinary order are offered.
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 | 0,011 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,023 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».