Does the Implementation of a Model of Care Improve the Value for Money of Mental Health Services in Prisons?
Notice bibliographique
Résumé
BACKGROUND: There is little research into appropriate measures of value for money in prison mental health services. AIMS: To develop and evaluate an accountability framework for an enhanced Prison Model of Care for people with serious mental illness in five New Zealand prisons. A key objective was to identify people with such illnesses who were missing from existing caseloads. METHODS: A generic public sector accountability framework was modified to provide measures of value for money around efficiency in its three component criteria of effectiveness and economy using a pre/post design, allowing measurement of flows between successive stages of this prison healthcare model. Measures were arranged into common dimensions around outcomes, outputs, inputs and costs, varied across the stages. The framework was populated with data collected from five prisons for the pre- and post-implementation periods. RESULTS: Improvements in the three criteria were generally obtained across all five areas of service delivery but especially in the screening, assessment, intervention and reintegration stages. Since these three criteria are major components of value for money, they provide evidence for improvement in value for money of the mental health services in these prisons. Other desired operational changes achieved were a threefold increase in the nurse to doctor ratio at the triage stage and slight increase in doctor to nurse ratio at the treatment stage. Overall, the implementation of this model of care achieved an increase in the size of caseload from 6.1% to 7.3% of the prison muster, equivalent to an increase in caseload of 21%. CONCLUSIONS: This accountability framework confirmed the value for money of the Prison Model of Care for severe mental illness, highlighting areas of good performance as well as areas requiring further development. The framework also provides measures that can be used as key performance indicators in ongoing monitoring.
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 | 0,024 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».