MétaCan
Menu
Retour à la cohorte
Enregistrement W2999051425 · doi:10.1016/s2352-4642(19)30347-5

Health determinants of adolescent criminalisation

2020· review· en· W2999051425 sur OpenAlexaff
Nathan Hughes, Michael Ungar, Abigail A. Fagan, Joseph Murray, Olayinka Atilola, Kitty Nichols, Joana Coeli Ribeiro Garcia, Stuart A. Kinner

Notice bibliographique

RevueThe Lancet Child & Adolescent Health · 2020
Typereview
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCriminal justiceCriminologyMental healthPsychologySocial determinants of healthHealth equityEconomic JusticeInequalityPsychiatryPublic healthMedicinePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Several conditions related to health and development in adolescence can increase the risk that a young person will be exposed to the criminal justice system. Such determinants include neurodevelopmental disability, poor mental health, trauma, and experiences of maltreatment. Furthermore, the risk of exposure to the criminal justice system seems to be amplified by social marginalisation and inequality, such that young people are made susceptible to criminal behaviour and criminalisation by a combination of health difficulties and social disadvantages. This Review presents evidence on the health determinants of criminalisation among adolescents, providing a persuasive case for policy and practice reform, including for investment in approaches to prevent criminalisation on the basis of health and developmental difficulties, and to better address related needs once within a criminal justice system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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.

Tête enseignante Opus0,158
Tête enseignante GPT0,425
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations62
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Lancet Child & Adolescent HealthMême sujetChild Abuse and TraumaTravaux en français237 207