Analyse des facteurs associés à l’achèvement des Programmes d’accompagnement justice et santé mentale du Québec
Notice bibliographique
Résumé
Les tribunaux de santé mentale (TSM) visent à offrir des services adaptés, réduire la récidive pénale et favoriser la réinsertion sociale des personnes criminalisées et incarcérées vivant avec un trouble mental. Cependant, des études américaines montrent que leur efficacité dépend de l’achèvement des programmes. Au Québec, ces TSM ont pris l’appellation de Programme d’accompagnement justice et santé mentale (PAJ-SM). Basée sur un échantillon de 6 PAJ-SM et 516 participants, cette étude analyse l’effet de 30 variables indépendantes (caractéristiques des participants, objectifs ciblés, services reçus, conditions imposées et processus judiciaire) sur l’achèvement pour contribuer à l’avancement des connaissances sur ces programmes. Les résultats de modèles de régressions logistiques révèlent que les participants qui utilisent des services médicaux ou psychosociaux et des services de soutien à l’intégration sociale sont plus susceptibles de terminer le programme. Les délais entre les audiences PAJ-SM agissent comme modérateurs entre l’utilisation des services et l’achèvement des programmes. En clarifiant les éléments qui favorisent ou entravent l’achèvement, les résultats offrent des pistes de recommandations au sujet de l’encadrement et du soutien des participants.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».