An Examination of Criminogenic Needs, Mental Health Concerns, and Recidivism in a Sample of Violent Young Offenders: Implications for Risk, Need, and Responsivity
Notice bibliographique
Résumé
Young offender populations typically display high rates of substance use pathology and mental health concerns, however, little is known regarding how these factors relate to dynamic risk factors for reoffending (criminogenic needs) among young offenders. The present study investigated a Canadian sample of 186 youth charged with serious/violent offenses on measures of psychopathology, substance abuse, risk, and recidivism. Significant relationships were found between measures of substance abuse with most indices of the Youth Level of Service/Case Management Inventory (YLS/CMI), a validated risk assessment tool designed to assess criminogenic risk and need. Furthermore, measures of substance abuse predicted general, violent, and nonviolent recidivism for both youth and adult outcomes to varying degrees. Youth with disruptive behavior disorders, comorbid substance use concerns with another disorder (dual diagnosis), or with two or more disorders evidenced more serious criminogenic need profiles, whereas mood, anxiety, and cognitive disorders were unrelated to criminogenic risk. With the exception of conduct disorder and substance use pathology, mental health concerns tended not to be related to recidivism. The implications of these findings in terms of assessing risk and providing treatment services for young offenders is discussed in relation to the risk-need responsivity (RNR) model of effective correctional intervention.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».