Assessing Dynamic Violence Risk in a High-Risk Treated Sample of Violent Offenders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The present study featured an investigation of the predictive properties of risk and change scores of two violence risk assessment and treatment planning tools-the Violence Risk Scale (VRS) and the Historical, Clinical, Risk-20, Version 2 (HCR-20)-in sample of 178 treated adult male violent offenders who attended a high-intensity violence reduction program. The cases were rated on the VRS and HCR-20 using archival information sources and followed up nearly 10 years postrelease. Associations of HCR-20 and VRS risk and change scores with postprogram institutional and community recidivism were examined. VRS and HCR-20 scores converged in conceptually meaningful ways, supporting the construct validity of the tools for violence risk. Receiver operating characteristic curve analyses demonstrated moderate- to high-predictive accuracy of VRS and HCR-20 scores for violent and general community recidivism, but weaker accuracy for postprogram institutional recidivism. Cox regression survival analyses demonstrated that positive pretreatment and posttreatment changes, as assessed via the HCR-20 and VRS, were each significantly associated with reductions in violent and general community recidivism, as well as serious institutional misconducts, after controlling for baseline pretreatment score. Implications for use of the HCR-20 and VRS for dynamic violence risk assessment and management are discussed.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle