Are adolescent risk assessment tools sensitive to change? A framework and examination of the SAVRY and the YLS/CMI.
Notice bibliographique
Résumé
Although many adolescent risk assessment tools include an emphasis on dynamic factors, little research has examined the extent to which these tools are capable of measuring change. In this article, we outline a framework to evaluate a tool's capacity to measure change. This framework includes the following: (a) measurement error and reliable change, and (b) sensitivity (i.e., internal, external, and relative sensitivity). We then used this framework to evaluate the Structured Assessment of Violence Risk in Youth (SAVRY) and Youth Level of Service/Case Management Inventory (YLS/CMI). Research assistants conducted 509 risk assessments with 146 adolescents on probation (101 male, 45 female), who were assessed every 3 months over a 1-year period. Internal sensitivity (i.e., change over time) was partially supported in that a modest proportion of youth showed reliable changes over the 3-, 6-, and 12-month follow-ups. External sensitivity (i.e., the association between change scores and reoffending) was also partially supported. In particular, 22% of the associations between change scores and any and violent reoffending were significant at a 6-month follow-up. However, only 1 change score (i.e., peer associations) remained significant after the Bonferroni correction was applied. Finally, relative sensitivity was not supported, as the SAVRY and YLS/CMI was not more dynamic than the Psychopathy Checklist: Youth Version (PCL:YV). Specifically, the 1-year rank-order stability coefficients for the SAVRY, YLS/CMI, and PCL:YV Total Scores were .78, .75, and .76, respectively. Although the SAVRY and YLS/CMI hold promise, further efforts may help to enhance sensitivity to short-term changes in risk. (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 | 0,001 | 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 ».