Short- and long-term recidivism prediction of the PCL-R and the effects of age: A 24-year follow-up.
Notice bibliographique
Résumé
We prospectively examined the short- and long-term prediction of several recidivism outcomes as a function of psychopathy and age in a sample of 273 Canadian federal inmates with an average 24 years post-release follow-up. Offenders were rated using the original 22-item Hare Psychopathy Checklist (PCL: Hare, 1980) based on extensive archival file information, and the ratings were used to compute the Psychopathy Checklist-Revised (Hare, 2003) and the 4 facet scores. PCL-R total scores and the Lifestyle and Antisocial facets, but not the Interpersonal and Affective facets, showed mostly small and some moderate predictive efficacy for general and nonviolent recidivism over 3-, 5-, 10-, and 20-year fixed follow-ups, and predicted violence recidivism at shorter follow-ups. Age at release was negatively correlated with all recidivism outcomes and follow-up periods for both high and low PCL-R rated offenders, and uniquely predicted all recidivism outcomes after controlling for the PCL-R using Cox regression survival analysis. Increased age was consistently linked to recidivism reduction even for psychopathic offenders. The results showed that both PCL-R scores and age contributed to the prediction of recidivism; however, the PCL-R facets made differential contributions that varied with the type of offense (violent vs. nonviolent) and follow-up time (shorter vs. longer). The results have implications for both risk assessment using the PCL-R and potentially for risk reduction interventions.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».