Mechanical restraint in inpatient psychiatric settings: A systematic review of international prevalence, associations, outcomes, and reduction strategies
Notice bibliographique
Résumé
BACKGROUND: There is increasing emphasis on reducing the use and improving the safety of mechanical restraint (MR) in psychiatric settings, and on improving the quality of evidence for outcomes. To date, however, a systematic appraisal of evidence has been lacking. METHODS: We included studies of adults (aged 18-65) admitted to inpatient psychiatric settings. We included primary randomised or observational studies from 1990 onwards that reported patterns of MR and/or outcomes associated with MR, and qualitative studies referring to an index admission or MR episode. We presented prevalence data only for studies from 2010 onwards. The risk of bias was assessed using an adapted checklist for randomised/observational studies and the Newcastle-Ottawa scale for interventional studies. RESULTS: We included 83 articles on 73 studies from 1990-2022, from 22 countries. Twenty-six studies, from 11 countries, 2010 onwards, presented data from on proportions of patients/admissions affected by MR. There was wide variation in prevalence (<1-51%). This appeared to be mostly due to variations in standard protocols between countries and regions, which dictated use compared to other restrictive practices such as seclusion. Indications for MR were typically broad (violence/aggression, danger to self or property). The most consistently associated factors were the early phase of admission, male sex, and younger age. Ward and staff factors were inconsistently examined. There was limited reporting of patient experience or positive effects. CONCLUSIONS: MR remains widely practiced in psychiatric settings internationally, with considerable variation in rates, but few high-quality studies of outcomes. There was a notable lack of studies investigating different types of restraint, indications, clinical factors associated with use, the impact of ethnicity and language, and evidence for outcomes. Studies examining these factors are crucial areas for future research. In limiting the use of MR, some ward-level interventions show promise, however, wider contextual factors are often overlooked.
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 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».