Notice bibliographique
Résumé
This article identifies research priorities for the field of forensic mental health. What is known about the association between mental disorders, retardation, brain damage and offending and violence is briefly reviewed. It is noted that while some of the correlates of offending are common to both non-disordered and disordered offenders, others characterize specific subgroups of mentally disordered offenders. The evidence is consistent in showing that most mentally disordered offenders have multiple problems that have been present, in many cases, since childhood. Knowledge about effective treatments for mentally disordered, mentally retarded, and brain damaged offenders is highlighted. It is concluded that there is a lack of information about the organization, legal powers, and content of treatment, management, and rehabilitation programs that have been shown to impact on recidivism, relapse, and autonomous functioning. Almost nothing is known about the impact of various social services. Future research should be designed to contribute to (1) improving the efficacy of models of service organization; (2) improving the efficacy of treatment, management, and rehabilitation programs; (3) improving the efficacy of the multiple components included in treatment, management, and rehabilitation programs; (4) integrating risk assessment of violent behavior into treatment, management, and rehabilitation programs and improving the accuracy of prediction; (5) identifying the etiologies of offending and violence among persons with mental disorders, mental retardation, and brain damage; and (6) preventing offending and violence among children at risk for mental disorders.
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 | 0,002 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».