Economic data on interventions for reducing aggression and restrictive interventions in inpatient mental health: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: Given the importance of economic considerations for the uptake of interventions into psychiatric policy and practice, this systematic review appraises existing economic evaluations of interventions that aim to reduce aggression and restrictive interventions in inpatient mental health settings. METHODS: Eight economic and scientific databases, along with targeted Google Scholar searches, were surveyed for gray and peer-reviewed literature from 01/2000 to 08/2025. Selection criteria included: (1) quantitative studies in peer-reviewed journals or grey literature, (2) a broad range of economic evaluation methods (costs, cost analysis, cost-effectiveness, and cost-benefit), (3) non-geriatric adults and emerging adults (≥ 15 years old) in (4) psychiatric inpatient settings, and (5) non-pharmacological interventions targeting aggression, violence and/or restrictive interventions (e.g., seclusion, restraints, forced medication). Narrative synthesis is presented with a quality appraisal using the CHEERS reporting checklist 2022. RESULTS: Twenty studies were selected, with the majority conducted in acute wards. Eleven studies reported only the cost of interventions, prominently featuring the cost of restrictive interventions, sensory modulation, and staff training. Moreover, twelve studies reported savings, eight of which allowed cost-analyses. Two interventions yielded clinical benefits and net savings. Assessment of reporting quality revealed few sensitivity analyses to model uncertainty, heterogeneity or distributional effects. CONCLUSIONS: While this review intended to guide organizations in selecting interventions, the current state of evidence can provide some evidence on the cost-benefit of a handful of interventions and re-affirms the costliness of restrictive interventions. Future pre-post studies may benefit from methods featured in this review to estimate the cost of professional time and partner with organizations to access internal financial data. There remains a need for purposeful cost-effectiveness analyses and for demonstrated long-term clinical benefits to inform interventions for aggression management.
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 | 0,025 | 0,133 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,010 |
| Bibliométrie | 0,018 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».