Quality of Resident Violence Risk Assessments in Psychiatric Emergency Settings
Notice bibliographique
Résumé
OBJECTIVE: To identify how psychiatric residents perceive their ability to conduct violence risk assessments and the risk factors they considered relevant in an emergency department setting. METHOD: We surveyed 55 of 159 psychiatric residents at the University of Toronto as to their experience and education in assessing suicide and violence risk. The residents, and a comparison group of 11 of 16 staff psychiatrists in the Law and Mental Health program at the Centre for Addiction and Mental Health, then participated in a mock interview with one of the authors. The subjects were directed to ask for all risk factors that would be relevant in determining the violence risk of a hypothetical patient with homicidal ideation. The risk factors they requested were compared with the risk factors found in the Historical, Clinical and Risk Management-20 (HCR-20) structured clinical judgment tool. RESULTS: Psychiatric residents, on average, inquired about 6 fewer HCR-20 risk factors than staff psychiatrists (8.5, compared with 14.7). The number of HCR-20 items identified by residents correlated with several items; more risk factors were elicited by residents in a higher year of training, those who had received more formal and informal education, the number of patients for whom they had discharged a duty to warn, and the number of suicidal and violent patients they had previously assessed. Confidence at assessing violence risk was not correlated with performance. CONCLUSIONS: Psychiatric residents identify significantly fewer risk factors for violence than staff psychiatrists. Resident performance was correlated with increasing experience and education. It was not related to self-confidence in performing this task.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».