MétaCan
Menu
Retour à la cohorte
Enregistrement W2010375548 · doi:10.1080/14999013.2012.760182

Using the HCR-20 to Predict Aggressive Behavior among Men with Schizophrenia Living in the Community: Accuracy of Prediction, General and Forensic Settings, and Dynamic Risk Factors

2013· article· en· W2010375548 sur OpenAlexaff
Steven F. Michel, Muhammad Riaz, Christopher Webster, Stephen D. Hart, Sten Levander, Rüdiger Müller‐Isberner, Jari Tiihonen, Eila Repo‐Tiihonen, Eva Tuninger, Sheilagh Hodgins

Notice bibliographique

RevueInternational Journal of Forensic Mental Health · 2013
Typearticle
Langueen
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensUniversity of TorontoUniversité de MontréalSimon Fraser UniversityCentre for Addiction and Mental HealthRoyal Ottawa Mental Health Centre
Organismes subventionnairesnon disponible
Mots-clésSchizophrenia (object-oriented programming)PsychologyPsychiatryClinical psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The HCR-20 is widely used to assess risk of violence among patients with schizophrenia. Further understanding of the accuracy and changes over time in C and R scores is needed. Using prospectively collected data on 248 men with schizophrenia, the present study found that the HCR-20 significantly predicted aggressive behavior over 24 months. The H, C, R, HCR-20 total, and final risk judgment scores were unable to predict aggressive behavior better than chance among the general psychiatric patients in the first six months after discharge. Changes in three C items, the total R score, and in three R items significantly predicted changes in aggressive behavior.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,625

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,339
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Forensic Mental HealthMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207