MétaCan
Menu
Back to cohort
Record W2998672455 · doi:10.71781/23885

Exploration des motifs justifiant le recours aux mesures de contention et d'isolement en centre de réadaptation pour jeunes au Québec: la perception des intervenants

2019· dissertation· fr· W2998672455 on OpenAlexaboutno aff
Christine Drolet

Bibliographic record

VenueOpen MIND · 2019
Typedissertation
Languagefr
FieldSocial Sciences
TopicSocial Sciences and Governance
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPhysicsGeographyArt

Abstract

fetched live from OpenAlex

Les mesures de contention et d’isolement (MCI) sont utilisées en dernier recours en centres de réadaptation (CR) pour jeunes dans le but de contrôler les comportements violents et agressifs. Leur utilisation n’est pas sans conséquence : elle peut entraîner des séquelles physiques et psychologiques tant chez les jeunes que chez les intervenants. Aucune preuve empirique ne suggère qu’elles aident au développement de stratégies d’autorégulation ou de comportements prosociaux. Même légiféré, elles semblent influencées par des motifs situationnels menant à leur recours. Objectif. Explorer les motifs justifiant le recours aux mesures de contention et d’isolement en centre de réadaptation pour jeunes au Québec selon la perception des intervenants. Méthode. Un devis qualitatif a permis de procéder à une analyse thématique. La saturation empirique a été atteinte à la suite de l’analyse de 628 rapports de MCI provenant de 21 unités de CR pour jeunes pendant une période d’observation de quatorze mois. Résultats. Les intervenants justifient leur utilisation des MCI par neuf motifs qui sont distribués dans quatre catégories : les antécédents immédiats perçus, les comportements observables, les contraintes externes et les objectifs cliniques et réadaptatifs. L’accumulation et l’interaction de ces motifs déclenchent le recours aux MCI. Conclusion. Étudier les motifs tirés de la situation d’interaction menant aux MCI plutôt que ceux reliés à l’individu ou à l’environnement a parfait notre connaissance du jugement clinique de l’intervenant. L’identification des catégories permet d’orienter les formations portant sur les motifs contribuant à l’utilisation des MCI et de proposer des stratégies cliniques préventives afin de réduire leur utilisation.

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)0.003
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.364
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0010.002
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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 head0.121
GPT teacher head0.422
Teacher spread0.302 · 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; a candidate call from one teacher head, not a consensus.

Study designQualitative
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

Citations2
Published2019
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicSocial Sciences and GovernanceFrench-language works237,207