The effectiveness of mental health courts in reducing recidivism and police contact: a systematic review protocol
Notice bibliographique
Résumé
BACKGROUND: Mental health courts were created to help criminal defendants who have a mental illness that significantly contributes to their criminal offense. Despite the increasing number of mental health courts around the world, data about their effectiveness have only begun to emerge in the past decade. The purpose of this systematic literature review is to assess the current evidence on the effectiveness of mental health courts. Specifically, this review will address the question, "How effective are mental health courts in reducing recidivism and police contact?" METHODS/DESIGN: Eight electronic databases will be searched, specifically PsycINFO, Medline, Medline In-Process, Embase, Web of Science, CINAHL, Social Work Abstracts, and Criminal Justice Abstracts. A multi-phase screening process will be used to identify relevant search hits. Articles that pass the three-stage screening process will then be assessed for risk of bias and have their reference lists hand searched. Full-text articles that are rated to have low to moderate risk of bias will be summarized into two tables, one containing a brief description of the study and the other reporting the results of relevant outcomes measured. DISCUSSION: By synthesizing the results of the studies, this systematic review will help illuminate gaps in the literature, direct future research, and inform policy makers. SYSTEMATIC REVIEW REGISTRATION: PROSPERO CRD42016036084.
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 | 0,072 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,007 |
| Méta-épidémiologie (sens large) | 0,023 | 0,016 |
| Bibliométrie | 0,021 | 0,017 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,009 |
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 ».