What Sexual Recidivism Rates Are Associated With Static-99R and Static-2002R Scores?
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
Empirical actuarial risk tools are routinely used to assess the recidivism risk of adult sexual offenders. Compared with other forms of risk assessment, one advantage of actuarial risk tools is that they provide recidivism rate estimates. Previous research, however, suggests that there is considerable variability in the recidivism rates associated with the most commonly used sexual offender risk assessment tools (Static-99/R, Static-2002/R). The current study examined the extent to which the variability in the recidivism rates across 21 Static-99R studies (N = 8,805) corresponded to the normative groups proposed by the STATIC development group (routine, treatment, high risk/high need). We found strong evidence that routine (i.e., complete) samples were, on average, less likely to reoffend with a sexual offense than offenders in the high-risk/high-need samples (i.e., those explicitly preselected on risk-relevant variables external to STATIC scales). The differences between routine/complete and high-risk/high-need samples, however, were only consistently observed for offenders with low or moderate scores; for offenders with high STATIC scores, the 5-year sexual recidivism rates for these two groups were not meaningfully different. There was only limited evidence to support treatment samples as a distinct sample type; consequently, the use of separate normative tables for treatment samples is not recommended. The current results reinforce the value of regularly updating the norms for empirical actuarial risk tools. Options are discussed on how STATIC scores could be used to inform recidivism rates estimates in applied assessments.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle