Expanding the early and late starter model of criminal justice involvement for forensic mental health clients.
Notice bibliographique
Résumé
The early and late starter model provides one of the most enduring frameworks for understanding the developmental course and severity of violence and criminality among individuals with severe mental illness. We expanded the model to account for differences in the age of onset of criminal behavior and added a group with no prior contact with the justice or mental health systems. We sampled 1,800 men and women found Not Criminally Responsible on account of Mental Disorder in 3 Canadian provinces. Using a retrospective file-based study, we explored differences in criminal, health, demographic, and social functioning characteristics, processing through the forensic psychiatric system and recidivism outcomes of 5 groups. We replicated prior research, finding more typical criminogenic needs among those with early onset crime. Those with crime onset after mental illness were more likely to show fewer criminogenic needs and to have better outcomes upon release than those who had crime onset during adulthood, before mental illness. Individuals with no prior contact with mental health or criminal justice had higher functioning prior to their crime and had a lower risk of reoffending. Given little information is needed to identify the groups, computing the distribution of these groups within forensic mental health services or across services can provide estimates of potential intensity or duration of services that might be needed. This study suggests that distinguishing subgroups of forensic clients based on the sequence of onset of mental illness and criminal behavior and on the age of onset of criminal behavior may be useful to identify criminogenic needs and predict outcomes upon release. This updated framework can be useful for planning organization of services, understanding case mix, as well as patient flow in forensic services and flow of mentally disordered offenders in correctional services. (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 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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».