Les obstacles et les facilitateurs à l’utilisation de l’évaluation du risque de violence auprès des personnes ayant des troubles mentaux : perceptions du personnel soignant
Bibliographic record
Abstract
L’évaluation quotidienne du risque de violence a été définie comme étant une intervention efficace pour la gestion de la violence dans les services de santé mentale. But de la recherche : évaluer l’utilisation d’un outil d’évaluation du risque de violence par le personnel soignant dans une unité de santé mentale ainsi que les facilitateurs et des obstacles à l’utilisation de ce dernier. Méthodes : une étude descriptive s’inspirant de l’approche de Dillman et guidée par le modèle de transfert des connaissances à la pratique a été réalisée. Résultats : vingt-six professionnels de santé ont répondu au questionnaire ; 62 % ont affirmé qu’ils avaient déjà utilisé l’outil d’évaluation disponible dans leur unité, mais non 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 ont été décelés. Quarante-deux pour cent des participants ont exprimé le désir d’avoir une formation sur l’évaluation du risque de violence. Conclusion : malgré la forte exposition à la violence, les professionnels de la santé n’effectuaient pas l’évaluation quotidienne de risque. L’identification des barrières et des facilitateurs assure une direction pour les interventions nécessaires pour accroître l’utilisation quotidienne des outils d’évaluation des risques.
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 | 0.020 | 0.049 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".