MétaCan
Menu
Retour à la cohorte
Enregistrement W2126396765 · doi:10.1177/1079063210384633

Recent Research (N = 9,305) Underscores the Importance of Using Age-Stratified Actuarial Tables in Sex Offender Risk Assessments

2010· article· en· W2126396765 sur OpenAlexaff
Richard Wollert, Elliot Cramer, Jacqueline Waggoner, Alex Skelton, James Vess

Notice bibliographique

RevueSexual Abuse · 2010
Typearticle
Langueen
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensSimon Fraser University
Organismes subventionnairesAssociation for the Treatment of Sexual Abusers
Mots-clésRecidivismLife tableDemographyRisk assessmentSex offenderPsychologyTable (database)Sex offenseStratified samplingActuarial scienceMedicinePsychiatryPoison controlHuman factors and ergonomicsClinical psychologyStatisticsSexual abuseMedical emergencyPopulationComputer scienceDatabaseMathematicsSociologyComputer securityEconomics

Résumé

récupéré en direct d'OpenAlex

A useful understanding of the relationship between age, actuarial scores, and sexual recidivism can be obtained by comparing the entries in equivalent cells from "age-stratified" actuarial tables. This article reports the compilation of the first multisample age-stratified table of sexual recidivism rates, referred to as the "multisample age-stratified table of sexual recidivism rates (MATS-1)," from recent research on Static-99 and another actuarial known as the Automated Sexual Recidivism Scale. The MATS-1 validates the "age invariance effect" that the risk of sexual recidivism declines with advancing age and shows that age-restricted tables underestimate risk for younger offenders and overestimate risk for older offenders. Based on data from more than 9,000 sex offenders, our conclusion is that evaluators should report recidivism estimates from age-stratified tables when they are assessing sexual recidivism risk, particularly when evaluating the aging sex offender.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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.

Tête enseignante Opus0,164
Tête enseignante GPT0,443
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSexual AbuseMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207