COVID-19 et pratiques professionnelles dans les milieux institutionnels fermés
Bibliographic record
Abstract
Introduction : Pendant que les gouvernements ont concentré des efforts à la mise en place de mesures sanitaires de distanciation physique, de confinement et d’isolement pour protéger la collectivité de la COVID-19, des chercheurs se sont attardés aux impacts considérables de ces mesures sur la santé mentale et le bien-être. Les personnes avec un trouble mental, qui sont à la fois institutionnalisées et judiciarisées dans les unités de psychiatrie et les hôpitaux de psychiatrie légale, se retrouvent davantage vulnérables et limitées dans leurs mouvements et leurs activités. Objectifs : Cet article vise à examiner les changements de pratiques mises en œuvre et les impacts potentiels sur les personnes dans les milieux institutionnels fermés, afin de répondre aux enjeux sanitaires soulevés par la pandémie de la COVID-19. Résultats : Une analyse de 69 publications a permis d’identifier neuf grands thèmes dans la littérature, qui serviront de cadre d’analyse pour l’expérience d’un établissement psycho-légal canadien. Ces grands thèmes sont : 1) les facteurs de vulnérabilité́ spécifiques à la population ; 2) la gestion et la formation du personnel ; 3) le délestage des lits, la libération conditionnelle et le retour en communauté ; 4) la gestion de la contagion et des espaces fermés ; 5) les mesures d’hygiène et les équipements de protection individuelle ; 6) la continuité des soins et services ; 7) l’utilisation des technologies pour maintenir les liens sociaux et les services ; 8) les mécanismes légaux et les droits des personnes ; et 9) l’après-pandémie. Conclusion : Il importe de souligner que, bien qu’il s’agisse de la première pandémie d’une telle ampleur internationale, les experts soulignent une augmentation des épidémies dans la dernière décennie et une croissance continue dans les décennies à venir. Il importe donc de tirer des leçons de cette crise sanitaire afin d’être préparé et de minimiser ses effets sur les personnes vulnérables. Les réflexions présentées ici pourraient être contrastées avec les expériences vécues de personnes dans les établissements fermés, afin de venir nuancer les données et de proposer de nouvelles stratégies.
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 | 0.013 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".