MétaCan
Menu
Retour à la cohorte
Enregistrement W3029103061 · doi:10.1002/cbm.2150

Dementia in <scp>UK</scp> prisons: Failings and solutions?

2020· editorial· en· W3029103061 sur OpenAlexaboutno aff
Ramandeep Purewal

Notice bibliographique

RevueCriminal Behaviour and Mental Health · 2020
Typeeditorial
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrisonPopulationDementiaPovertyLife expectancyQuarter (Canadian coin)GerontologyPsychiatryMedicinePsychologyDemographyCriminologyPolitical scienceGeographySociologyLaw

Résumé

récupéré en direct d'OpenAlex

Dementia in UK prisons: Failings and solutions?Prison is a place built for the young, fit offender (Newcomen, 2016a), yet older people make up the fastest growing demographic in prisons in the United Kingdom (O'Moore, Czachorowski, Leaman, Peden, & Sturup-Toft, 2018) and in other developed countries (Psick, Ahalt, Brown, & Simon, 2017).When paired with the fact that dementia is one of the most pressing healthcare issues in the United Kingdom (Moll, 2013), it is unsurprising that facing dementia is a serious issue for prisons too.The age change in prisons in part reflects changes in average age of the general population in most developed countries.In 2016, people of over 65 years made up 18% of the total U.K. population, and it is projected that they will account for over a quarter of it within the next 40 years (Storey, 2018).In March 2018, 16% of the adult prison population in England and Wales was over 50 years old compared with 7% in 2002 (Sturge, 2019).Generally increased life expectancy is not, however, the only explanation among prisoners.There has also been a rise in historical sex offence proceedings and prison sentences have been getting longer (Di Lorito, Völlm, & Dening, 2018; Ministry of Justice, 2018;Munday, Leaman, & O'Moore, 2017).To compound this, 'old' in prison comes, on average, around 10-15 years earlier than in the general population (Di Lorito et al., 2018; Enggist, Møller, Galea, & Udesen, 2014;Munday et al., 2017).This is attributed to reasons including poverty, inadequate access to healthcare, alcohol, smoking, illicit drug use, as well as psycho-social factors including familial separation and the contemplation of long periods of time in incarceration (Moll, 2013).A widely used figure to demarcate 'old age' in prison is 50 years (Enggist et al., 2014;Munday et al., 2017).Older prisoners, therefore, are probably even more likely than general population peers to have complex physical and mental health needs (Di Lorito et al., 2018; Enggist et al., 2014), including dementia related needs.How well can prisons cope with all this?

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,280

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0110,007
Communication savante0,0130,014
Science ouverte0,0020,014
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,033
Tête enseignante GPT0,351
Écart entre enseignants0,318 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCriminal Behaviour and Mental HealthMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207