Les interventions visant à diminuer la violence auprès des personnes ayant des troubles mentaux
Bibliographic record
Abstract
Introduction La violence en milieux de soins, et plus précisément ceux en santé mentale, est un phénomène sérieux et préoccupant. La mise en oeuvre d’interventions efficaces permettant d’atténuer ce phénomène s’avère une condition sine qua non dans les services de soins en santé mentale. Objectifs 1. Déterminer l’efficacité des interventions utilisées pour diminuer la violence des personnes souffrant de troubles mentaux 2. Évaluer l’utilisation d’un outil d’évaluation du risque de violence par les professionnels de santé dans une unité de santé mentale. Méthodes Deux études séquentielles basées sur le modèle de passage des connaissances à la pratique ont été réalisées : 1. La première étude consistait en une revue systématique de la littérature basée sur la méthode développée par la Collaboration Cochrane pour les revues systématiques d’interventions et sur les lignes directrices PRISMA. 2. Une étude descriptive transversale a été effectué dans l’unité interne de santé mentale d’un hôpital de l’est de l’Ontario. Résultats 1. Parmi les 5 039 références identifiées, 7 articles ont répondu aux critères de sélection. Au total, cinq interventions visant la diminution des comportements agressifs chez les personnes ayant des troubles mentaux ont été mises en lumière. L’évaluation du risque de violence de façon quotidienne a été définie comme étant l’intervention la plus efficace. 2. Parmi les 45 personnes éligibles à cette étude, 26 d’entre eux (57,8 %) ont répondu au questionnaire : 92,3 % des répondants ont déclaré avoir été exposés à un acte de violence et 62 % ont affirmé qu’ils avaient déjà utilisé l’outil d’évaluation du risque de violence disponible dans leur unité, mais pas de façon quotidienne. Des obstacles liés au manque de connaissances de l’outil, au manque de ressources et de temps, ainsi qu’aux attitudes négatives envers les patients et à l’égard de l’outil ont été décelés. Conclusion Bien que les preuves appuient l’utilisation quotidienne de l’évaluation du risque de violence comme moyen pour prévenir et diminuer les comportements agressifs, cette intervention ne constitue pas une pratique courante dans l’unité de santé mentale. Des obstacles cognitifs, organisationnels et comportementaux ont ainsi été soulevés.
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 | 0.011 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".