A meta-analysis of predictors of offender treatment attrition and its relationship to recidivism.
Notice bibliographique
Résumé
OBJECTIVE: The failure of offenders to complete psychological treatment can pose significant concerns, including increased risk for recidivism. Although a large literature identifying predictors of offender treatment attrition has accumulated, there has yet to be a comprehensive quantitative review. METHOD: A meta-analysis of the offender treatment literature was conducted to identify predictors of offender treatment attrition and examine its relationship to recidivism. The review covered 114 studies representing 41,438 offenders. Sex offender and domestic violence programs were also examined separately given their large independent literatures. RESULTS: The overall attrition rate was 27.1% across all programs (k = 96), 27.6% from sex offender programs (k = 34), and 37.8% from domestic violence programs (k = 35). Rates increased when preprogram attrition was considered. Significant predictors included demographic characteristics (e.g., age, rw = -.10), criminal history and personality variables (e.g., prior offenses, rw = .14; antisocial personality, rw = .14), psychological concerns (e.g., intelligence, rw = -.14), risk assessment measures (e.g., Statistical Information on Recidivism scale, rw =.18), and treatment-related attitudes and behaviors (e.g., motivation, rw = -.13). Results indicated that treatment noncompleters were higher risk offenders and attrition from all programs significantly predicted several recidivism outcomes ranging from rw = .08 to .23. CONCLUSIONS: The clients who stand to benefit the most from treatment (i.e., high-risk, high-needs) are the least likely to complete it. Offender treatment attrition can be managed and clients can be retained through an awareness of, and attention to, key predictors of attrition and adherence to responsivity considerations.
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 | 0,027 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,047 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».