A multisite examination of sexual violence risk and therapeutic change.
Notice bibliographique
Résumé
OBJECTIVE: We conducted a prospective multisite examination of sexual offender risk and treatment change on a large federal Canadian sample of 676 treated sex offenders followed up for an average of 6.31 years post release. METHOD: The present study featured the clinical application of a risk assessment and treatment planning tool, the Violence Risk Scale-Sexual Offender version (VRS-SO; Wong, Olver, Nicholaichuk, & Gordon, 2003). The VRS-SO was rated pre- and posttreatment by sex offender treatment providers on the sample of men who were attending institutionally based sex offender programs across the 5 regions of the Correctional Service of Canada. The Static-99 (Hanson & Thornton, 1999) was also rated as part of routine services, and the Static-99R was used for substantive analyses. RESULTS: The VRS-SO dynamic factors and the Static-99R demonstrated significant predictive accuracy for sexual, violent, and general recidivism (area under the curve = .65 to .78). Significant pre-post changes on the VRS-SO dynamic factors were observed, ranging from small to moderate in magnitude (d = 0.22 to 0.62) across low, moderate, and high intensity programs. The change scores, in turn, were associated with decreases in the 3 recidivism outcomes; the majority of relationships examined attained significance after partialing out of pretreatment scores. Cox regression survival analyses, controlling for pretreatment risk, further demonstrated change scores to have associations with postrelease recidivism outcomes to varying degrees. CONCLUSIONS: The results are consistent with the dynamic nature of sexual violence risk and suggest that risk-relevant changes associated with participation in sexual offender treatment are linked to reductions in sexual offender recidivism.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».