Factors Associated with Restraint Application in Children and Adolescents with Intellectual and Developmental Disabilities Displaying Severe Challenging Behaviour
Notice bibliographique
Résumé
Emergency physical restraints (PR) are widely used, with prevalence rates ranging from 11% to 78% across different service sectors (Fitton & Jones, 2020; Ye et al., 2019). Behaviour analysts may recommend PR when severe challenging behaviour (CB) poses significant safety risks (e.g., intense aggression causing severe tissue damage; Foxx & Meindl, 2007; Vollmer, 2011). Most existing PR literature featuring child and adolescent participants focuses on variables that behaviour-analytic interventions cannot manipulate (e.g., gender, diagnosis). Additionally, the literature predominantly features inpatient clinical populations with psychiatric disorders despite the prevalence of restraint application among individuals with intellectual and developmental disabilities. The current study applied a multi-level analysis using retrospective outpatient data (N =12) from children and adolescents with intellectual and developmental disability who required emergency PRs. The study aimed to a) examine participant and restraint application characteristics and trends, and b) determine if CB severity at intake, as reported by the partnering agency's severity tool, predicted the latency to restraint application. According to the descriptive analysis most participants were experiencing polypharmacy (i.e., concurrent psychotropic medication use), received moderate to high scores on the partnering agency’s CB severity assessment tool, and primarily exhibited tangible or multiply controlled behavioural functions. Regarding restraint characteristics, the average restraint rate was 0.091 per hr, with most participants being described as calm during restraints. Typically, more than two staff members applied PR. Regression results indicated that the median CB severity score significantly predicted latency to the first restraint applications. Clinical implications are discussed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».