Effect of Mental Health Courts on Arrests and Jail Days
Notice bibliographique
Résumé
CONTEXT: Mental health courts are growing in popularity as a form of jail diversion for justice system-involved people with serious mental illness. This is the first prospective multisite study on mental health courts with treatment and control groups. OBJECTIVES: To determine if participation in a mental health court is associated with more favorable criminal justice outcomes than processing through the regular criminal court system and to identify defendants for whom mental health courts produce the most favorable criminal justice outcomes. DESIGN: Longitudinal study. SETTING: Four mental health courts in San Francisco County, CA, Santa Clara County, CA, Hennepin County (Minneapolis), MN, and Marion County (Indianapolis), IN. PARTICIPANTS: A total 447 persons in the mental health court (MHC) and 600 treatment-as-usual (TAU) controls. INTERVENTION: Eighteen months of pre-entry and postentry data for 4 jurisdictions. All subjects were interviewed at baseline, and 70% were interviewed at 6 months. Objective outcome data were obtained on all subjects from Federal Bureau of Investigation arrest records, jails, prisons, and community treatment providers. MAIN OUTCOME MEASURES: Annualized rearrest rates, number of rearrests, and postentry incarceration days. RESULTS: The MHC and TAU samples are similar on the major outcome measures in the pre-entry 18-month period. In the 18 months following treatment, defined as entry into mental health court, the MHC group has a lower annualized rearrest rate, fewer post-18-month arrests, and fewer post-18-month incarceration days than the TAU group. The MHC graduates had lower rearrest rates than participants whose participation was terminated both during MHC supervision and after supervision ended. Factors associated with better outcomes among the MHC participants include lower pre-18-month arrests and incarceration days, treatment at baseline, not using illegal substances, and a diagnosis of bipolar disorder rather than schizophrenia or depression. CONCLUSIONS: Mental health courts meet the public safety objectives of lowering posttreatment arrest rates and days of incarceration. Both clinical and criminal justice factors are associated with better public safety outcomes for MHC participants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».