Does reassessment of risk improve predictions? A framework and examination of the SAVRY and YLS/CMI.
Notice bibliographique
Résumé
Although experts recommend regularly reassessing adolescents' risk for violence, it is unclear whether reassessment improves predictions. Thus, in this prospective study, the authors tested 3 hypotheses as to why reassessment might improve predictions, namely the shelf-life, dynamic change, and familiarity hypotheses. Research assistants (RAs) rated youth on the Structured Assessment of Violence Risk in Youth (SAVRY) and the Youth Level of Service/Case Management Inventory (YLS/CMI) every 3 months over a 1-year period, conducting 624 risk assessments with 156 youth on probation. The authors then examined charges for violence and any offense over a 2-year follow-up period, and youths' self-reports of reoffending. Contrary to the shelf-life hypothesis, predictions did not decline or expire over time. Instead, time-dependent area under the curve scores remained consistent across the follow-up period. Contrary to the dynamic change hypothesis, changes in youth's risk total scores, compared to what is average for that youth, did not predict changes in reoffending. Finally, contrary to the familiarity hypothesis, reassessments were no more predictive than initial assessments, despite RAs' increased familiarity with youth. Before drawing conclusions, researchers should evaluate the extent to which youth receiving the usual probation services show meaningful short-term changes in risk and, if so, whether risk assessment tools are sensitive to these changes. (PsycINFO Database Record
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 | 0,001 | 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 | 0,001 |
| 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 ».