Multidimensional evaluation of a mental health court: Adherence to the risk-need-responsivity model.
Notice bibliographique
Résumé
The current study examined the impact of a mental health court (MHC) on mental health recovery, criminogenic needs, and recidivism in a sample of 196 community-based offenders with mental illness. Using a pre-post design, mental health recovery and criminogenic needs were assessed at the time of MHC referral and discharge. File records were reviewed to score the Level of Service/Risk-Need-Responsivity instrument (Andrews, Bonta, & Wormith, 2008) to capture criminogenic needs, and a coding guide was used to extract mental health recovery information at each time point. Only mental health recovery data were available at 12 months post-MHC involvement. Recidivism (i.e., charges) was recorded from police records over an average follow-up period of 40.67 months post-MHC discharge. Case management adherence to the Risk-Need-Responsivity (RNR) model of offender case management was also examined. Small but significant improvements were found for criminogenic needs and some indicators of mental health recovery for MHC completers relative to participants who were prematurely discharged or referred but not admitted to the program. MHC completers had a similar rate of general recidivism (28.6%) to cases not admitted to MHC and managed by the traditional criminal justice system (32.6%). However, MHC case plans only moderately adhered to the RNR model. Implications of these results suggest that the RNR model may be an effective case management approach for MHCs to assist with decision-making regarding admission, supervision intensity, and intervention targets, and that interventions in MHC contexts should attend to both criminogenic and mental health needs.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».