Frequency of and responses to illegal activity related to commerce in firearms: findings from the Firearms Licensee Survey
Notice bibliographique
Résumé
BACKGROUND: Firearms may be obtained illegally from federally-licensed dealers and pawnbrokers through surrogate (straw) purchases, undocumented purchases and theft. Some retailers knowingly make illegal sales. OBJECTIVE: To obtain information about the frequency of and risk factors for these events, and retailers' reactions to them, directly from licensed retailers. METHODS: Survey of a random sample of 1601 licensed dealers and pawnbrokers in 43 states who were believed to sell ≥50 firearms annually, conducted by mail during June-August 2011. RESULTS: The response rate was 36.9%, typical of establishment surveys using such methods. In the preceding year, 67.3% of respondents experienced attempted straw purchases; 42.4% experienced undocumented purchase attempts. For each event, 10% reported ≥1 occurrence/month. A quarter (25.6%) experienced firearm theft in the preceding 5 years. Pawnbroker status, sales volume, denied sales and sales of firearms that were subsequently traced by law enforcement were associated with all outcomes in multivariate analysis. Estimates of retailer involvement in illegal sales (median 3%, IQR 1-10%) were related in multivariate analysis to respondents' age and sex, and to denied sales. In a hypothetical case involving 50 illegal sales, respondents recommended prolonged incarceration (median 10 years, IQR 5-20 years) and a substantial fine (median $50 000, IQR $10 000-$250 000) for retailers and made similar recommendations for buyers. CONCLUSIONS: Attempts to acquire firearms illegally from licensed dealers and pawnbrokers are common. Characteristics associated with frequency of occurrence may facilitate prevention efforts. Licensed retailers consider selling and buying firearms illegally to be serious crimes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».