Does Clozapine Promote Employability and Reduce Offending among Mentally Disordered Offenders?
Notice bibliographique
Résumé
OBJECTIVE: To compare employment pay, count of infractions, and clinical symptoms in psychiatric inmates treated with clozapine or other antipsychotics after 6 months of treatment. METHODS: Clinical charts and institutional offence records of psychiatric inmates (n = 98), comprised of those on clozapine (n = 65) and on other antipsychotics (n = 33), were reviewed at baseline and after 6 months of treatment. The outcome measures used were Brief Psychiatric Rating Scale (BPRS) scores, employment pay, medication compliance, and the frequency of institutional offences. A binary logistic regression model was used to analyze a categorical change in pay variable, while a negative binomial model was used to analyze the frequency of infractions. RESULTS: Treatment with clozapine was associated with greater odds of a pay increase (OR = 3.13; 95% CI 1.3 to 7.53, P = 0.01). However, patients on other antipsychotics had a more favourable improvement in BPRS (F = 5.44, df = 1,57, P = 0.02). Patients on other antipsychotics also had a higher count of posttreatment offences (Incidence Rate Ratio = 2.22; 95% CI 1.11 to 4.41, P = 0.02). CONCLUSION: Clozapine probably has a favourable effect on inmate behaviour and institutional adjustment. This effect can last up to 36 months after the initial dose.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».