The characteristics of patients admitted to a forensic psychiatric intensive care unit (FPICU) in Belgium
Notice bibliographique
Résumé
Background: Psychiatric intensive care units (PICUs) are increasingly recognised as essential components of forensic care for managing patients who are difficult to treat in conventional units. Despite this, there is limited research on the psychiatric and violence risk profiles of these patients, particularly in forensic settings. Aim: To identify the characteristics of patients admitted to a forensic PICU (FPICU) in Belgium. Method: A comparative analysis conducted between 2016 and 2022 on a cohort of 344 patients; 176 FPICU admissions and 168 forensic cases not admitted to the FPICU (NFPICU). Demographic, clinical and criminological profiles were assessed using the PCL-R, VRAG and HCR-20 tools. Results: As expected, FPICU patients demonstrated complex diagnostic profiles, including higher rates of substance use (52.8%), psychotic disorders (55.1%), and antisocial personality disorders with psychopathy (25.0%). Comorbid mental disorders were prevalent (69.9%), exacerbating their elevated risk of violence as assessed by the HCR-20 and VRAG. They were also more frequently involved in non-sexual violent (56.5%) and non-violent offences (68.7%). Coercive measures, including involuntary treatments (65.9%), seclusion (91.5%), and restraint (43.8%), were more commonly employed for FPICU patients. Conclusion: Patients admitted to the FPICU present complex psychiatric and criminological profiles, with high levels of comorbidity and violence risk. Specialised care strategies should be implemented in secure environments that emphasise therapeutic relationships to reduce restrictions, manage disruptive behaviours, and enhance treatment adherence. The implementation of the Forensic High and Intensive Care model, as developed in German-speaking countries, could support the reintegration of these patients into standard care units.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».