An exploration of the determinants of risk formulation, care plan and disposition among older adults in the Ontario forensic psychiatry system: implication for practice
Notice bibliographique
Résumé
BACKGROUND: Advances in medicine have led to an improvement in life expectancy, thus increasing the population of older individuals within the criminal justice system. This study investigates the determinants of risk formulation, care plan, and disposition among older adult forensic patients (OAFP) in Ontario, Canada. METHODS: This retrospective analysis utilized the Ontario Review Board database, focusing on 161 OAFP, aged 55 years and older. Hierarchical regression was used to analyze the relationship between changes in risk and six blocks of variables: sociodemographic characteristics (Block 1), circumstances during the index offense (Block 2), current clinical profile (Block 3), past psychiatric history and behavioral patterns (Block 4), criminal history and legal status (Block 5), and recent violent events (Block 6). RESULTS: The median age of patients was 61 years (IQR 58-67), with 83.4% being male. Schizophrenia was the most common diagnosis (68.3%), and 9.3% had neurocognitive disorders. The model with six blocks of factors explained 92% of the variability in risk change. Models 2 (blocks 1 and 2) and 4 (blocks 1-4) were statistically significant, explaining 34% (p = 0.010) and 22% (p = 0.018) of the variance in the change in risk of threat to public safety, respectively. OAFP with a significant risk to public safety were more likely to be inpatients and less likely intoxicated during their index offense. CONCLUSION: Resources, policies, and a supervised model of care to curtail behavioral risks are relevant to the care of OAFP. Innovative risk management models for OAFP are indicated.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».