Developmental typologies of serious mental illness and violence: Evidence from a forensic psychiatric setting
Notice bibliographique
Résumé
OBJECTIVE: To identify subgroups of forensic psychiatric patients based on the age onset of serious mental illness and offending and assess the external validity of the subgroups with theoretically based sociodemographic, clinical, legal and risk-related variables. METHOD: The age onset of serious mental illness and criminal contact was ascertained for a sample of 232 patients. A range of sociodemographic, clinical, legal and risk-related variables were coded to assess whether age onset subgroups differed in a manner consistent with the literature on typologies of mentally ill offenders. RESULTS: One-quarter of the sample was classified as early starters (patients whose first offense occurred before becoming mentally ill), while two-thirds were late starters (where first offense occurred following illness onset). A small percentage (8%) of patients were deemed late late starters, defined as late starters who had experienced 10+ years of illness and were >37 years upon first arrest. A larger proportion of early starters had a substance use disorder, antisocial personality disorder and a greater number of static/historical risk factors for violence. Early starters were younger upon first arrest and had more previous criminal contacts compared to late starters and late late starters. Mental illness was found to start later in life for late late starters; this group was also more likely to have been married and to have a spouse as victim in the index offense. CONCLUSION: We found support for distinct subgroups of mentally ill offenders based on the age onset of illness and criminal contact. Compared to late starters, offenses committed by early starters may be motivated more frequently by antisocial lifestyle and attitudes, as well as more instrumental behaviors related to substance abuse. In addition, late late starters may represent a distinct third subgroup within late starters, characterized by relatively higher levels of functioning and social stability; future work should replicate. Findings suggest different rehabilitation needs of the subgroups.
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 | 0,001 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».