MétaCan
Menu
Retour à la cohorte
Enregistrement W4415085684 · doi:10.1097/xeb.0000000000000535

Preventing aggression in psychiatric settings: a best practice implementation project

2025· article· en· W4415085684 sur OpenAlexaff
L. Samuel Prod'hom, S. Mahé, Pierre Lequin, Dorota Drozdek, Béatrice Perrenoud

Notice bibliographique

RevueJBI Evidence Implementation · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWorkplace Violence and Bullying
Établissements canadiensPrairie Women's Health Centre of Excellence
Organismes subventionnairesnon disponible
Mots-clésBest practiceAggressionClinical PracticeMEDLINE

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Aggression is a frequent occurrence in psychiatric settings and results from complex multifactorial phenomena. Verbal or physical aggression has a significant impact on the quality of care, with negative repercussions on patients, professionals, and health care institutions. OBJECTIVES: This project aimed to prevent and manage hetero-aggression in a university hospital psychiatric department in Switzerland through the promotion of evidence-based practices. METHODS: The project used JBI's Evidence Implementation Framework, which is grounded in an audit and feedback process. A baseline audit was conducted to measure current practices for preventing and managing aggression and compare these to eight best practice recommendations. Interventions to improve compliance with best practices were implemented, and a follow-up audit was conducted to measure the changes achieved. RESULTS: Despite a high prevalence of staff exposure to aggression, the baseline audit showed that violence risk assessments were not systematically documented. The follow-up audit revealed improvements, with the use of a validated screening tool to identify violence risk and increased prevention interventions. However, these measures had a relatively low impact on the exposure to violence of health care professionals. Patient involvement in the violence risk assessment also remained low. CONCLUSIONS: The JBI approach used in this project led to significant improvements in professional practices related to violence risk assessment and reduced the gaps between recommendations and clinical practices. Clinical practice analysis sessions are a successful means of promoting understanding of prevention interventions. SPANISH ABSTRACT: http://links.lww.com/IJEBH/A410.

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)0,106
score de la tête « metaresearch » (Gemma)0,092
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,562

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1060,092
Méta-épidémiologie (sens strict)0,0010,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,003
Études des sciences et des technologies0,0050,003
Communication savante0,0060,002
Science ouverte0,0050,016
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,032
Tête enseignante GPT0,489
Écart entre enseignants0,456 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJBI Evidence ImplementationMême sujetWorkplace Violence and BullyingTravaux en français237 207