Exploratory comparison between fatal and non-fatal cases of intimate partner violence
Notice bibliographique
Résumé
Abstract Purpose Much has been written about intimate partner homicide (IPH), but empirical examinations have been less rigorous and mostly descriptive in nature. The purpose of this paper is to provide an exploration of the characteristics of fatal intimate partner violence (IPV) cases. Design/methodology/approach A direct comparison of fatal IPHs with both a matched sample of non-fatal IPV cases and a random selection of non-fatal IPV cases is made on a number of offence, offender, victim characteristics and risk-relevant variables. Findings Despite assertions that domestic homicide is different than domestic violence, in general, few notable differences emerged among the groups. Prior domestic incidents differed between the matched fatal and non-fatal cases, where a greater proportion of the homicide perpetrators had a prior domestic incident. Other differences that were found revealed that more non-fatal perpetrators had substance abuse problems, younger victims and been unemployed at the time of the offence. However, differences were minimal when fatal and non-fatal IPV perpetrators were matched on demographic features and criminal history. Originality/value This study highlights that there may be few features that distinguish IPH and non-fatal violence. Rather than be distracted with searching for risk factors predictive of fatality, we should evaluate IPV risk using broad-based approaches to determine risk for reoffending and overall severity of reoffending.
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 | 0,004 | 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 | 0,001 |
| 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 ».