Trauma-informed system-level policies in healthcare settings: A scoping review
Notice bibliographique
Résumé
Trauma-informed care (TIC) is widely recognised as essential for improving health outcomes and reducing retraumatisation. While most studies have focussed on clinical implementation, embedding TIC principles at the system and policy levels is increasingly considered necessary for sustainable, equitable change in healthcare. To map the existing literature on system-level trauma-informed policies in healthcare settings and identify key domains, implementation strategies and reported outcomes. This scoping review followed Arksey and O’Malley’s six-stage framework, with enhancements from Levac et al. , and was reported according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews guidelines. A systematic search was conducted across the PubMed, MEDLINE, CINAHL, PsycINFO and Scopus databases for studies published between January 2000 and June 2025. Eligible studies described trauma-informed organisational or system-level policies in healthcare and included empirical data, frameworks and implementation reports. Twelve studies focussing on mental health and primary care, mainly from the United States and Canada, were included. Five recurring domains have emerged: workforce development and training, physical and environmental safety, leadership and governance commitment, patient and staff empowerment and language and procedural changes. Implementation strategies included staff education, advisory board involvement, policy redesign and leadership engagement. Outcomes were inconsistently reported but included improvements in staff attitudes, patient satisfaction and a reduction in coercive practices. Trauma-informed system-level policies hold significant promise for promoting equity, safety and cultural transformation in healthcare. However, current evidence remains limited and concentrated in specific settings. Future research should prioritise evaluation, diverse context applications and co-leadership with people with lived experience to advance trauma-informed system change.
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 | 0,036 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,024 | 0,031 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».