Homicide and impunity: an ecological analysis at state level in Brazil
Notice bibliographique
Résumé
OBJECTIVE: To assess a new impunity index and variables that have been found to predict variation in homicide rates in other geographical levels as predictive of state-level homicide rates in Brazil. METHODS: This was a cross-sectional ecological study. Data from the mortality information system relating to the 27 Brazilian states for the years 1996 to 2005 were analyzed. The outcome variables were taken to be homicide victim rates in 2005, for the entire population and for men aged 20-29 years. Measurements of economic and social development, economic inequality, demographic structure and life expectancy were analyzed as predictors. An 'impunity index', calculated as the total number of homicides between 1996 and 2005 divided by the number of individuals in prison in 2007, was constructed. The data were analyzed by means of simple linear regression and negative binomial regression. RESULTS: In 2005, state-level crude total homicide rates ranged from 11 to 51 per 100,000; for young men, they ranged from 39 to 241. The impunity index ranged from 0.4 to 3.5 and was the most important predictor of this variability. From negative binomial regression, it was estimated that the homicide victim rate among young males increased by 50% for every increase of one point in this ratio. CONCLUSIONS: Classic predictive factors were not associated with homicides in this analysis of state-level variation in Brazil. However, the impunity index indicated that the greater the impunity, the higher the homicide rate.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».