Gender Differences in Police Encounters Among Persons With and Without Serious Mental Illness
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: This study examined the rates, patterns, and types of police contacts among men and women with and without serious mental illness. METHODS: Data on type of contact, type and number of offenses, dispositions, and repeat offenses were extracted from an administrative database of all police encounters in a midsized Canadian city over a six-year period (N=767,365). RESULTS: Men and women with serious mental illness represented, respectively, .5% and .4% of men and women who had at least one contact with the police; however, they were involved in 3.2% and 3.0% of all interactions, respectively. Persons with mental illness were more likely than those without mental illness to be in contact with police as suspected offenders, to have a greater number of offenses, to reoffend more quickly, and to be formally charged for a suspected offense. Among persons without mental illness in contact with police, men were much more likely than women to be offenders, to have a greater number of offenses, and to reoffend more quickly. Among persons with mental illness, however, the gender gap for these measures was significantly smaller. CONCLUSIONS: More resources should be allocated to support persons with mental illness in the community because they tend to have high rates of repeated police contacts for a variety of offenses. The findings highlight the need for gender-specific intervention programs. Administrative databases can be useful tools in examining police contacts among persons with mental illness and monitoring change after policy and program implementation for those at risk of police encounters.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle