Crime Victimization in Adults With Severe Mental Illness
Notice bibliographique
Résumé
CONTEXT: Since deinstitutionalization, most persons with severe mental illness (SMI) now live in the community, where they are at great risk for crime victimization. OBJECTIVES: To determine the prevalence and incidence of crime victimization among persons with SMI by sex, race/ethnicity, and age, and to compare rates with general population data (the National Crime Victimization Survey), controlling for income and demographic differences between the samples. DESIGN: Epidemiologic study of persons in treatment. Independent master's-level clinical research interviewers administered the National Crime Victimization Survey to randomly selected patients sampled from 16 randomly selected mental health agencies. SETTING: Sixteen agencies providing outpatient, day, and residential treatment to persons with SMI in Chicago, Ill. PARTICIPANTS: Randomly selected, stratified sample of 936 patients aged 18 or older (483 men, 453 women) who were African American (n = 329), non-Hispanic white (n = 321), Hispanic (n = 270), or other race/ethnicity (n = 22). The comparison group comprised 32 449 participants in the National Crime Victimization Survey. MAIN OUTCOME MEASURE: National Crime Victimization Survey, developed by the Bureau of Justice Statistics. RESULTS: More than one quarter of persons with SMI had been victims of a violent crime in the past year, a rate more than 11 times higher than the general population rates even after controlling for demographic differences between the 2 samples (P<.001). The annual incidence of violent crime in the SMI sample (168.2 incidents per 1000 persons) is more than 4 times higher than the general population rates (39.9 incidents per 1000 persons) (P<.001). Depending on the type of violent crime (rape/sexual assault, robbery, assault, and their subcategories), prevalence was 6 to 23 times greater among persons with SMI than among the general population. CONCLUSIONS: Crime victimization is a major public health problem among persons with SMI who are treated in the community. We recommend directions for future research, propose modifications in public policy, and suggest how the mental health system can respond to reduce victimization and its consequences.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».