Bibliographic record
Abstract
Contexte : En Suisse, trois à quatre individus se suicident chaque jour. Dans la plupart des cas, ces personnes ont eu un contact avec les milieux de soins psychiatriques. But : Le but de cette revue est de savoir quels sont les moyens pour une équipe infirmière en psychiatrie de prévenir le suicide d’un patient, mais aussi d’identifier les impacts émotionnels et professionnels que cela peut avoir sur les soignants si leur prise en charge échoue et qu’il y a passage à l’acte. Méthode : La première étape de la méthode a été de choisir quatre concepts centraux, qui ont été introduits dans les bases de données CINHAL, PubMED et PsycINFO. Suite à l’obtention de nombreux articles, des critères d’inclusion et d’exclusion ont été définis. Ils ont permis de retenir huit articles qui ont été analysés à l’aide de la grille de lecture de l’université de Laval (Canada). Les résultats sont présentés sous forme de synthèse narrative. Résultats : En ce qui concerne les moyens de prévention du suicide en psychiatrie, ils sont divers et nombreux. En effet, il en existe trois catégories : les facteurs prédictifs, qui sont les signes que l’on peut observer chez des patients, mais aussi les contextes psychologique, biologique et socio-économique de ceux-ci ; les moyens mis en place par les institutions ; le rôle et les compétences des infirmières. En ce qui concerne les impacts, ils peuvent être de deux types, à savoir émotionnels et professionnels. Conclusion : Les résultats sont concluants, mais révèlent malgré tout des limites. En effet, si les moyens de prévention sont nombreux et variés, il n’existe toutefois pas de modèle de prédiction valable. De plus, suite aux impacts importants du suicide d’un patient sur les infirmières en psychiatrie, il n’existe aucune action concrète leur permettant de surmonter une telle épreuve. Cela devrait donc faire état d’une future recherche afin de garantir une meilleure prise en charge des patients et des infirmières.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".