A Public Health Perspective on Violent Offenses Among Persons With Mental Illness
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: This study reanalyzed existing data to assess the extent to which persons with mental illness might contribute to criminal violence in the community. METHODS: Data were examined from a representative sample of 1,151 remanded offenders who underwent a full structured diagnostic interview that was used to provide one-month prevalence rates of mental illnesses as defined by the Structured Clincal Interview for DSM-III-R. Diagnoses of interest were mood, psychotic, anxiety, psychoactive substance use, adjustment, and miscellaneous axis I disorders and axis II personality disorders. Criminological data describing the number of offenses against persons and property and the number of victimless crimes were abstracted from police arrest reports and warrants. A violent crime was defined as any crime against a person. RESULTS: The one-month prevalence of major mental and substance use disorders of newly admitted inmates was 61 percent. About 3 percent of violent offenses could be attributed to individuals who had a principal diagnosis of any non-substance use-related disorder. An additional 7 percent of violent offenses could be attributed to individuals who had a primary diagnosis of a substance use disorder. CONCLUSIONS: The results of the study support the hypothesis that people with mental and substance use disorders are not major contributors to police-identified criminal violence. Public perceptions of mentally ill persons as criminally dangerous appear to be greatly exaggerated.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle