Psychopathic Traits, Risk and Protective Factors, and Attractiveness in Forensic Psychiatric Patients: Their Role in Review Board Dispositions
Notice bibliographique
Résumé
Studies have demonstrated that the mere mention of criminal risk factors for future violent criminal behavior predicted decisions to detain or release not criminally responsible on account of mental disorder (NCRMD) patients following their review board hearing. We looked to further our understanding of review board decisions by assessing the influence of the mention of risk factors as well as psychopathic traits, protective factors, and the moderating effect of physical attractiveness. To this end, we coded the mention of risk factors, psychopathic traits, and protective factors in clinical reports of 90 former male NCRMD patients and rated their attractiveness on a scale of 1–10, of which 62 cases adhered to all inclusion and exclusion criteria. Analyses demonstrated that the mention of Psychopathy Checklist-Revised (PCL-R) items significantly increased the odds of being detained following a review board hearing, while attractiveness predicted decisions to discharge the patient. In addition, an interaction effect between PCL-R item-mentions and attractiveness was identified, such that highly attractive patients with high levels of PCL-R item-mentions were more likely to be detained following review board hearings. These results further our understanding of what factors influence review board decisions and demonstrate how extraneous factors can moderate the influence of risk-relevant information. Ultimately these results speak to the need to further educate decision-makers on evidence-based risk and protective factors and furthermore, how to avoid the pitfalls of allowing irrelevant information, such as physical attractiveness, from influencing such critical decisions affecting this vulnerable population.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| 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 ».