Does specialized psychological treatment for offending reduce recidivism? A meta-analysis examining staff and program variables as predictors of treatment effectiveness
Notice bibliographique
Résumé
A meta-analysis was conducted to examine whether specialized psychological offense treatments were associated with reductions in offense specific and non-offense specific recidivism. Staff and treatment program moderators were also explored. The review examined 70 studies and 55,604 individuals who had offended. Three specialized treatments were examined: sexual offense, domestic violence, and general violence programs. Across all programs, offense specific recidivism was 13.4% for treated individuals and 19.4% for untreated comparisons over an average follow up of 66.1 months. Relative reductions in offense specific recidivism were 32.6% for sexual offense programs, 36.0% for domestic violence programs, and 24.3% for general violence programs. All programs were also associated with significant reductions in non-offense specific recidivism. Overall, treatment effectiveness appeared improved when programs received consistent hands-on input from a qualified registered psychologist and facilitating staff were provided with clinical supervision. Numerous program variables appeared important for optimizing the effectiveness of specialized psychological offense programs (e.g., arousal reconditioning for sexual offense programs, treatment approach for domestic violence programs). The findings show that such treatments are associated with robust reductions in offense specific and non-offense specific recidivism. We urge treatment providers to pay particular attention to staffing and program implementation variables for optimal recidivism reductions.
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,024 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».