MétaCan
Menu
Back to cohort
Record W2759306387 · doi:10.35761/reesme.2017.1.02

Medidas coercitivas en salud mental. Grupo focal con profesionales del ámbito comunitario.

2017· article· es· W2759306387 on OpenAlexaff
Carlos Aguilera‐Serrano, Carmen Heredia Pareja, José Guzmán‐Parra, Juan A. García Sánchez, Fermín Mayoral

Bibliographic record

VenueRevista Española de Enfermería de Salud Mental · 2017
Typearticle
Languagees
FieldPsychology
TopicHealthcare Decision-Making and Restraints
Canadian institutionsThinkpath Engineering Services (Canada)
Fundersnot available
KeywordsHumanitiesContext (archaeology)MedicinePolitical scienceCartographyGeographyPhilosophy

Abstract

fetched live from OpenAlex

La coerción, con sus múltiples facetas, es el problema más antiguo de las instituciones psiquiátricas, principalmente por los numerosos intentos a lo largo de los tiempos por abolir y/o moderar su uso. La frecuencia, así como el marco jurídico que las regula, son extremadamente variados, lo que posibilita la transgresión de los derechos del paciente. Objetivo. Analizar la percepción de los profesionales de una Unidad de Salud Mental Comunitaria (USMC) ante la aplicación de medidas coercitivas hacia los usuarios que discurren por los distintos dispositivos de la Red de Atención a la Salud Mental en Andalucía. Método. Se llevó a cabo un grupo focal con 10 participantes. El contenido del grupo focal fue transcrito y los temas fueron identificados usando análisis temático. Resultados. Las categorías temáticas identificadas son: Contexto conceptual sobre las medidas coercitivas; Contexto situacional sobre las medidas coercitivas dentro del actual modelo de atención a la salud mental de Andalucía;Medidas coercitivas como método de control; Derechos humanos y empoderamiento de los usuarios; Sugerencias para el cambio. Conclusiones. La utilización de medidas coercitivas parece estar plenamente justificada ante el actual modelo de atención y modos y medios de actuación. Se hace necesario invertir en salud mental, para el desarrollo de una mejora de infraestructura y servicios, así como una inversión en recursos humanos para proveer una atención y cuidados de calidad.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Scholarly communication, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesMeta-epidemiology (narrow), Research integrity, Insufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.387
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0040.002
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0020.001
Bibliometrics0.0000.000
Science and technology studies0.0030.001
Scholarly communication0.0010.000
Open science0.0020.001
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0020.002

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.

Opus teacher head0.047
GPT teacher head0.425
Teacher spread0.378 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations3
Published2017
Admission routes1
Has abstractyes

Explore more

Same venueRevista Española de Enfermería de Salud MentalSame topicHealthcare Decision-Making and RestraintsFrench-language works237,207